多线程-共享全局变量问题

多线程-共享全局变量问题

多线程可能遇到的问题

假设有两个线程t1和t2，都要对一个变量g_num进行运算(+1)，两个进程t1和t2分别对g_num各加10次，g_num的最终结果？

import threading
import time

g_num=0
def work1(num):
    global g_num
    for i in range(num):
        g_num+=1
    print("---in work1,g_num is %d"% g_num)

def work2(num):
    global g_num
    for i in range(num):
        g_num+=1
    print("---in work2,g_num is %d"% g_num)

print("---线程创建之前g_num：%d"%g_num)
t1=threading.Thread(target=work1,args=(10,))
t2=threading.Thread(target=work2,args=(10,))

t1.start()
t2.start()

while len(threading.enumerate())!=1:
    time.sleep(1)

print("2个线程对同一个变量操作之后的最终结果：%d"%g_num)

# ---线程创建之前g_num：0
# ---in work1,g_num is 10
# ---in work2,g_num is 20
# 2个线程对同一个变量操作之后的最终结果：20

一种可能的情况：

在num=0时，t1取得num=0，此时系统把t1调度为“sleeping”的状态，t2转换为“running”的状态，t2也获得num=0。然后，t2对得到的值进行加1，并赋给num，num=1.然后，系统又将t2调度为“sleeping”的状态，把t1转换为“running”的状态。线程t1又把它之前得到的0加1后赋值给num。这种情况，明明两个线程都完成了一次+1工作，但结果还是num=1。

如果我们将两个线程的参数调整为1000000，多次运行，结果不同。

说明多个线程同时对一个全局变量进行操作，会出现资源竞争问题，从而数据结果会不正确。导致线程安全问题。

同步

同步，就是协同步调。按照预定的先后次序进行运行，好比交流，一个说完，另外一个人再说。

进程和线程同步，可以理解为进程或者线程A和B一起配合。A执行一定程度时需要依赖B的某个结果，于是停下来，让B运行，B开始运行，再将结果给A，A再继续操作。如此往复，直至程序结束。

计算错误的结果

通过线程同步进行解决

思路：

• 系统调度t1，获取num=0，此时上一把锁，即不允许其他现在操作num
• 对num的值加1
• 解锁，此时num的值为1，其他的线程就可以使用num了，此时num=1
• 同理，其他线程在对num修改时，也要先上锁，处理完后再解锁。在上锁的过程中，不允许其他线程访问。就保证了数据的正确性。

互斥锁

当多个线程几乎同时修改某个共享数据时，需要进行同步控制

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制就是引入互斥锁。

互斥锁为我们的资源引入一个状态：锁定/非锁定

某个线程要更改共享数据时，先将其锁定，此时，资源的状态为锁定，其他线程不能对其更改；直到该线程释放资源，资源状态变为“非锁定”状态，其他线程才能再次锁定该资源。

互斥锁，保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性

在threading模块里，定义了Lock()类，可以方便的处理锁定.

mutex=threading.LOck()#创建锁
mutex.acquire([blocking])#锁定
mutex.release()#释放

说明：

• blocking
  • True，则当前线程堵塞，直到获取这个锁为止（如未指定，则默认为True）
  • False，则线程不会被堵塞

import threading
import time

g_num=0
def work1(num):
    global g_num
    for i in range(num):
        if mutex.acquire(True):
            g_num+=1
            mutex.release()
    print("---in work1,g_num is %d"% g_num)

def work2(num):
    global g_num
    for i in range(num):
        if mutex.acquire(True):
            g_num+=1
            mutex.release()
    print("---in work2,g_num is %d"% g_num)

print("---线程创建之前g_num：%d"%g_num)

mutex=threading.Lock()

t1=threading.Thread(target=work1,args=(1000000,))
t2=threading.Thread(target=work2,args=(1000000,))

t1.start()
time.sleep(1)
t2.start()

while len(threading.enumerate())!=1:
    time.sleep(1)

print("2个线程对同一个变量操作之后的最终结果：%d"%g_num)

# ---线程创建之前g_num：0
# ---in work1,g_num is 1000000
# ---in work2,g_num is 2000000
# 2个线程对同一个变量操作之后的最终结果：2000000

死锁

在线程间共享多个资源时，如果两个线程分别占有一部分资源，并且同时等待对方的资源，就会造成死锁。

死锁一般很少发生，但一旦发生就会造成应用停止响应。

import threading
import time

printer_mutex = threading.Lock() # 打印机锁

paper_mutext = threading.Lock() # 纸张锁


class ResumeThread(threading.Thread):
    """编写个人简历任务的线程"""

    def run(self):
        print("ResumeThread：编写个人简历任务")
        # 使用打印机资源，先对打印机加锁
        printer_mutex.acquire()
        print("--ResumeThread：正在使用打印机资源--")
        time.sleep(1)  # 休眠1秒

        # 使用纸张耗材，先对纸张耗材加锁
        paper_mutext.acquire()
        print("--正在使用纸张资源--")
        time.sleep(1)
        paper_mutext.release()  # 释放纸张锁

        # 释放打印机锁
        printer_mutex.release()


class PaperListThread(threading.Thread):
    """盘点纸张耗材任务的线程"""

    def run(self):
        print("PaperListThread:盘点纸张耗材任务")
        # 使用纸张耗材，先对纸张耗材加锁
        paper_mutext.acquire()
        print("--PaperListThread:正在盘点纸张耗材--")
        time.sleep(1)  # 休眠1秒

        # 使用打印机资源，打印清单
        printer_mutex.acquire()
        print("--正在使用打印机资源--")
        time.sleep(1)
        printer_mutex.release()  # 释放打印机锁

        # 释放纸张耗材锁
        paper_mutext.release()


if __name__ == '__main__':
    t1 = ResumeThread()
    t2 = PaperListThread()

    t1.start()
    t2.start()
    
#ResumeThread：编写个人简历任务
#--ResumeThread：正在使用打印机资源--
#PaperListThread:盘点纸张耗材任务
#--PaperListThread:正在盘点纸张耗材--

同步的应用

让多个线程有序的执行

import threading
import time

class Task1(threading.Thread):
    def run(self):
        while True:
            if lock1.acquire():
                print("---Task1---")
                time.sleep(0.5)
                lock2.release()

class Task2(threading.Thread):
    def run(self):
        while True:
            if lock2.acquire():
                print("---Task2---")
                time.sleep(0.5)
                lock3.release()

class Task3(threading.Thread):
    def run(self):
        while True:
            if lock3.acquire():
                print("---Task3---")
                time.sleep(0.5)
                lock1.release()


# 使用Lock创建锁，默认没有锁上
lock1=threading.Lock()

#创建锁2，并且锁上
lock2=threading.Lock()
lock2.acquire()

#创建锁3，并且锁上
lock3=threading.Lock()
lock3.acquire()

t1=Task1()
t2=Task2()
t3=Task3()

t1.start()
t2.start()
t3.start()

生产者消费者问题

也就有限缓冲问题，是一个多线程同步的经典案例

描述了一个两个固定大小缓冲区的线程——即所谓的“生产者”和“消费者”在实际运行时会发生的问题。

生产者的主要作用，生成一定量的数据放在缓冲区中，然后，重复此过程。
与此同时，消费者也在缓冲区消耗这些数据。
整个问题关键是，生产者不会在缓冲区满时加入数据，消费者也不会在缓冲区空时消耗数据。

解决办法
要解决该问题，就必须让生产者在缓冲区满时休眠（要么干脆就放弃数据），等到下次消费者消耗缓冲区中的数据的时候，生产者才能被唤醒，开始往缓冲区添加数据。同样，也可以让消费者在缓冲区空时进入休眠，等到生产者往缓冲区添加数据之后，再唤醒消费者。通常采用进程间通信的方法解决该问题，常用的方法有信号灯法等。如果解决方法不够完善，则容易出现死锁的情况。出现死锁时，两个线程都会陷入休眠，等待对方唤醒自己。该问题也能被推广到多个生产者和消费者的情形。

1.队列，先进先出

2.栈，先进后出

Python中queue（py3）（py2，Queue），模块提供了一个同步的、线程安全的队列类，包括先入先出(FIFO)队列Queue，和后入先出(LIFO)队列LifoQueue和优先级队列PriorityQueue。
这些队列实现了锁原语（原子操作，要么不做，要么做完），可以在线程中直接使用。

可以使用队列来实现线程间的同步。