python 多线程变量共享 浅谈python多线程和多线程变量共享问题介绍
Record learning 人气:01、demo
第一个代码是多线程的简单使用，编写了线程如何执行函数和类。
import threading
import time
class ClassName(threading.Thread):
"""创建类，通过多线程执行"""
def run(self):
for i in range(5):
print(i)
time.sleep(1)
def sing():
for i in range(1,11):
print("唱歌第 %d 遍" % i)
time.sleep(1)
def dance():
for i in range(1,16):
print("跳舞第 %d 遍" % i)
time.sleep(1)
def main():
t1 = threading.Thread(target = sing)
t2 = threading.Thread(target = dance)
t = ClassName()
# 启动线程
t1.start()
t2.start()
t.start()
while True:
length = len(threading.enumerate())
print("正在运行的线程有 %s" %threading.enumerate())
if length <= 1:
break
time.sleep(1)
if __name__ == '__main__':
main()
执行结果可以看到函数 sing、dance和类在同时执行，执行效果太长就不方截图了
2、多线程共享变量
通过定义全局变量，然后再test1函数类部进行更改全局变量，test2打印全局变量。
import threading
import time
#定义全局变量
g_num = 0
def test1():
"""函数test1对全局变量进行更改"""
global g_num
for i in range(1,10):
g_num += 1
print("--- test1 线程 g_num = %d--- " % g_num)
def test2():
"""函数test2 打印全局变量"""
print("--- test2 线程 g_num = %d--- " % g_num)
def main():
t1 = threading.Thread(target=test1)
t2 = threading.Thread(target=test2)
# 启动线程
t1.start()
# 增加睡眠是为了保证优先执行函数test1
time.sleep(1)
t2.start()
print("--- 主线程 g_num = %d--- " % g_num)
if __name__ == '__main__':
main()
执行结果可以看出,在主线程和创建的两个线程中读取的是一样的值，既可以表明在多线程中变量共享
3、资源竞争
在多线程两个函数中同时更改一个变量时，由于cpu的计算能力，当修改参数的代码块无法一次性执行完成时，就会产生资源竞争
import threading
import time
# 定义全局变量
g_num = 0
def test1(num):
"""函数test1对全局变量进行更改"""
global g_num
for i in range(num):
g_num += 1
print("test1 线程 g_num = %d---" % g_num)
def test2(num):
"""函数test2对全局变量进行更改"""
global g_num
for i in range(num):
g_num += 1
print("tes2 线程 g_num = %d---" % g_num)
def main():
t1 = threading.Thread(target=test1, args=(1000000, ))
t2 = threading.Thread(target=test2, args=(1000000, ))
t1.start()
t2.start()
time.sleep(1)
print("主线程 g_num = %d---" % g_num)
if __name__ == '__main__':
main()
可以先试试传递参数为100时，可以看到g_num = 200 这是因为函数代码可以一次性执行完成，当参数为1000000时代码无法一次性执行完成，g_num！= 2000000
4、互斥锁
互斥锁可以解决资源竞争的问题，原理很简单，通过对代码块上锁，保证该代码执行完成前，其它代码无法进行修改。执行完成后解锁，其它代码就可以执行了。
import threading
import time
# 创建变量
g_num = 0
# 创建锁默认为开锁状态
mutex = threading.Lock()
def test1(num):
global g_num
for i in range(num):
# 上锁
mutex.acquire()
g_num += 1
# 解锁
mutex.release()
print("--- test1 线程 g_num = %d---" % g_num)
def test2(num):
global g_num
for i in range(num):
# 上锁
mutex.acquire()
g_num += 1
# 解锁
mutex.release()
print("--- test2 线程 g_num = %d---" % g_num)
def main():
t1 = threading.Thread(target=test1, args=(1000000, ))
t2 = threading.Thread(target=test2, args=(1000000, ))
t1.start()
t2.start()
time.sleep(1)
print("--- 主线程 g_num = %d---" % g_num)
if __name__ == '__main__':
main()
可以看到加了锁之后，代码执行不会出现资源竞争，结果也是正常的。互斥锁，上锁的代码越少越好。
5、死锁
当出现多个锁时，就可能会产生死锁这个情况。当关闭一个锁时，这个锁已经为关闭状态的话，程序就会阻塞。就如同下面这个代码中。函数test1关闭mutexB锁时，函数test2提前将其关闭了，未进行解锁，程序就会一直阻塞。
import threading
import time
# 创建两个锁A, B
mutexA = threading.Lock()
mutexB = threading.Lock()
def test1():
# 对muctexA上锁
mutexA.acquire()
# mutexA上锁后，延时1秒，等待mutexB上锁
print("test1 ---do1---up---")
time.sleep(1)
# 此时会堵塞，因为mutexB已经上锁
mutexB.acquire()
print("test1 ---do1---down---")
mutexB.release()
# 对mutexA解锁
mutexA.release()
def test2():
# 对muctexB上锁
mutexB.acquire()
# mutexB上锁后，延时1秒，等待mutexA上锁
print("test2 ---do1---up---")
time.sleep(1)
# 此时会堵塞，因为mutexB已经上锁
mutexA.acquire()
print("test2 ---do1---down---")
mutexA.release()
# 对mutexA解锁
mutexB.release()
def main():
t1 = threading.Thread(target=test1)
t2 = threading.Thread(target=test2)
t1.start()
t2.start()
if __name__ == '__main__':
main()
代码执行效果可以看到程序会一直阻塞
解决方法
1、在程序编写时，就需要注意避免死锁
2、可以参考银行家算法
加载全部内容