python多线程互斥锁与死锁

一、多线程间的资源竞争

以下列task1()task2()两个函数为例,分别将对全局变量num加一重复一千万次循环(数据大一些,太小的话执行太快,达不到验证的效果)。

import threading
import time

num = 0


def task1(nums):
    global num
    for i in range(nums):
        num += 1

    print("task1---num=%d" % num)


def task2(nums):
    global num
    for i in range(nums):
        num += 1
    print("task2---num=%d" % num)


if __name__ == '__main__':
    nums = 10000000
    t1 = threading.Thread(target=task1, args=(nums,))
    t2 = threading.Thread(target=task2, args=(nums,))

    t1.start()
    t2.start()
    # 因为主线程不会等子线程执行完就会执行,所以这里延迟五秒,确保最后执行。
    time.sleep(5)
    print("main----num=%d" % num)

程序运行结果:

python多线程互斥锁与死锁_第1张图片

如图,输出结果比较混乱,既没有一千万,最终结果也不是二千万。因为多线程运行时出现了资源竞争,即可以理解为,每个函数运行的时间都不确定,且互相影响,
如从初始值0开始,假设t1的线程先执行,执行到+1后,此时的num=1还未存储,然后即被叫停,t2开始执行,去获取num,获取到的num等于初始值0,然后其执行了+1并存储,存储后num=1,然后t2停止t1继续,再次存储num=1。即加了两次1,但是num还是只等于1。
因为t1和t2谁来运行的分配是完全随机的,所以最后加了两千万次1后值是小于2000万的。

解决此类问题,可以使用到互斥锁 。

二、互斥锁

  • 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",其他线程不能改变,只到该线程释放资源,将资源的状态变成"非锁定",其他的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。

1.互斥锁示例

创建一把锁:

mutex = threading.Lock()
mutex.acquire() # 上锁
xxxx锁定的内容xxxxx
mutex.release() # 解锁

将互斥锁加入到上边的代码中如下,则问题得到了解决。

import threading
import time

num = 0


def task1(nums):
    global num
    mutex.acquire()
    for i in range(nums):
        num += 1
    mutex.release()
    print("task1---num=%d" % num)


def task2(nums):
    global num
    mutex.acquire()
    for i in range(nums):
        num += 1
    mutex.release()
    print("task2---num=%d" % num)


if __name__ == '__main__':
    nums = 10000000
    mutex = threading.Lock()
    t1 = threading.Thread(target=task1, args=(nums,))
    t2 = threading.Thread(target=task2, args=(nums,))

    t1.start()
    t2.start()
    # 因为主线程不会等子线程执行完就会执行,所以这里延迟五秒,确保最后执行。
    time.sleep(5)
    print("main----num=%d" % num)

程序运行结果:

python多线程互斥锁与死锁_第2张图片

2.可重入锁与不可重入锁

threading.Lock()上的是不可重入锁,即一次只能加一把锁,不能加多把。

threading.Lock()

如果需要同时加多把所,则需加入不可重入锁

创建一把可重入锁:

mutex = threading.RLock()
mutex.acquire() # 上锁
mutex.acquire() # 再上锁
xxxx锁定的内容xxxxx
mutex.release() # 解锁
mutex.release() # 再解锁

其中上锁和解锁的次数必须保持一致。

三、死锁

在线程间共享多个资源的时候,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,就会程序堵塞,造成死锁。

  • 死锁一般用不到。
  • 程序设计要尽量避免。

到此这篇关于python多线程互斥锁与死锁的文章就介绍到这了,更多相关python多线程互斥锁与死锁内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

你可能感兴趣的:(python多线程互斥锁与死锁)