详解python多线程之间的同步(一)
作者:赤色风暴
引言:
线程之间经常需要协同工作,通过某种技术,让一个线程访问某些数据时,其它线程不能访问这些数据,直到该线程完成对数据的操作。这些技术包括临界区(Critical Section),互斥量(Mutex),信号量(Semaphore),事件Event等。
Event
threading库中的event对象通过使用内部一个flag标记,通过flag的True或者False的变化来进行操作。
名称 | 含义 |
set( ) | 标记设置为True |
clear( ) | 标记设置为False |
is_set( ) | 标记是否为True |
wait(timeout=None) | 设置等待标记为True的时长,None为无限等待。等到返回True,等不到返回False |
from threading import Thread,Event import time def creditor(event:Event): print("什么时候还我钱") event.wait() print("我已经等了很长时间了") def debtor(event:Event,count=10): print("可以宽裕几天吗?") money=[] while True: print("先还你100") time.sleep(0.5) money.append(1) if len(money)>count: event.set() break print("我已经还完你的钱了") event=Event() c=Thread(target=creditor,args=(event,)) d=Thread(target=debtor,args=(event,)) c.start() d.start()
运行结果如下所示:
可以看到creditor函数中因为event.wait( )线程进入等待状态,此时debtor线程进入运行,当满足条件时event.set( )将标记设置为True,creditor线程开始运行。谁wait就是等到flag变为True,或等到超时变为False。不限制等待的个数。
wait的使用
from threading import Event,Thread def Wait(event:Event,interval): while not event.wait(interval): print("waiting for you") e=Event() Thread(target=Wait,args=(e,3)).start() e.wait(10) e.set() print("main exit")
主线程一开始就wait 10s,Waiting线程等待3s返回False,进入循环打印"waiting for you",重复3次,然后主线程set了,这时候Waiting线程变为True,不再进入循环。
Lock
凡是存在资源争用的地方都可以使用锁,从而保证只有一个使用者可以完全使用这个资源
现在要生产10个杯子,由10个工人开始生产
import threading import time cups=[] def worker(count=10): print("我是{},我开始生产了".format(threading.current_thread().name)) flag=False while True: if len(cups)>count: flag=True time.sleep(0.05) if not flag: cups.append(1) if flag: break print("finished.cups={}".format(len(cups))) for _ in range(10): threading.Thread(target=worker,args=(1000,)).start()
运行结果如下图所示:
我们明明只需要到1000就会break,但是结果却到了1010个,这就是因为有10个线程,其中每个线程都在增加,但是增加后的数目,其他线程并不会知道(每个线程通过len函数拿到数量,但是刚拿到数字,其他线程就立即更新了)
这个时候我们就需要锁lock来实现了,一旦线程获得锁,其他试图获取锁的线程将被阻塞
名称 | 含义 |
acquire(blocking=True,timeout=-1) | 默认阻塞,阻塞可以设置超时时间。非阻塞时,timeout禁止设置。成功获取锁,返回True,否则返回False |
release( ) | 释放锁。可以从任何线程释放。已上锁的锁,会抛出RuntimeError异常 |
加锁的实现:
import threading import time cups=[] lock=threading.Lock() def worker(count=10): print("我是{},我开始生产了".format(threading.current_thread().name)) flag=False while True: lock.acquire() if len(cups)>=count: flag=True time.sleep(0.005) if not flag: cups.append(1) lock.release() if flag: break print("finished,cups={}".format(len(cups))) for _ in range(10): threading.Thread(target=worker,args=(1000,)).start()
运行结果如图所示:
一般来说加锁后还需要一些代码实现,在释放锁之前还有可能抛出异常,一旦出现异常,锁无法释放,但是当前这个线程会因为这个异常而终止,这样会产生死锁,因此使用时要使用如下的方法:
1,使用try...finally语句保证锁的释放
2,with安全上下文管理(锁对象支持上下文管理)
计数器类,用来加,减。
import threading import time class Counter: def __init__(self): self._val = 0 self.__lock = threading.Lock() @property def value(self): return self._val def inc(self): try: self.__lock.acquire() self._val += 1 finally: self.__lock.release() def dec(self): with self.__lock: self._val -= 1 def run(c: Counter, count=100): for _ in range(count): for i in range(-50, 50): if i < 0: c.dec() else: c.inc() c = Counter() c1 = 10 c2 = 1000 for i in range(c1): threading.Thread(target=run, args=(c, c2)).start() while True: if threading.active_count() == 1: print(c.value) break
启动了10个线程,1000次从-50到50进行加减,最后得到0,如果没有加锁处理的话,得到的结果未必是自己想要的。
锁的使用场景:
锁适用于访问和修改同一个资源的时候,引起资源争用的情况下。使用锁的注意事项:
- 1,少用锁,除非有必要。多线程访问加锁的资源时,由于锁的存在,实际就变成了串行。
- 2,加锁时间越短越好,不需要就立即释放锁。
- 3,一定要避免死锁,使用with或者try...finally。
非阻塞锁使用
import threading import time def worker(tasks): for task in tasks: time.sleep(0.001) if task.lock.acquire(False): print("{} {} begin to start".format(threading.current_thread(),task.name)) else: print("{} {} is working".format(threading.current_thread(),task.name)) class Task: def __init__(self,name): self.name=name self.lock=threading.Lock() tasks=[Task('task-{}'.format(x)) for x in range(10)] for i in range(5): threading.Thread(target=worker,name="worker-{}".format(i),args=(tasks,)).start()
运行结果如下图所示:
总共开启了5个线程,每个线程处理10个任务,因为在if语句里面,task.lock.acquire(False),所以每个线程只有拿到锁是True,其他的线程不会阻塞会返回False。打印"is working"。
以上所述是小编给大家介绍的python多线程之间的同步详解整合,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持!