Python并行编程多线程锁机制Lock与RLock实现线程同步

目录

• 什么是锁机制？
• Lock() 管理线程
• RLock() 与Lock()的区别

什么是锁机制？

要回答这个问题，我们需要知道为什么需要使用锁机制。前面我们谈到一个进程内的多个线程的某些资源是共享的，这也是线程的一大优势，但是也随之带来一个问题，即当两个及两个以上的线程同时访问共享资源时，如果此时没有预设对应的同步机制，就可能带来同一时刻多个线程同时访问同一个共享资源，即出现竞态，多数情况下我们是不希望出现这样的情况的，那么怎么避免呢？

Lock() 管理线程

先看一段代码：

import threading
import time
resource = 0
count = 1000000
resource_lock = threading.Lock()
def increment():
    global resource
    for i in range(count):
        resource += 1
def decerment():
    global resource
    for i in range(count):
        resource -= 1
increment_thread = threading.Thread(target=increment)
decerment_thread = threading.Thread(target=decerment)
increment_thread.start()
decerment_thread.start()
increment_thread.join()
decerment_thread.join()
print(resource)

运行截图如下：

运行结果

当我们多次运行时，可以看到最终的结果都几乎不等于我们期待的值即resource初始值0。

为什么呢？ 原因就是因为 += 和 -=并不是原子操作。

可以使用dis模块查看字节码：

import dis
def add(total):
    total += 1
def desc(total):
    total -= 1
total = 0
print(dis.dis(add))
print(dis.dis(desc))
# 运行结果：
#   3           0 LOAD_FAST                0 (total)
#               3 LOAD_CONST               1 (1)
#               6 INPLACE_ADD
#               7 STORE_FAST               0 (total)
#              10 LOAD_CONST               0 (None)
#              13 RETURN_VALUE
# None
#   5           0 LOAD_FAST                0 (total)
#               3 LOAD_CONST               1 (1)
#               6 INPLACE_SUBTRACT
#               7 STORE_FAST               0 (total)
#              10 LOAD_CONST               0 (None)
#              13 RETURN_VALUE
# None

那么如何保证初始值为0呢？ 我们可以利用Lock（），代码如下：

import threading
import time
resource = 0
count = 1000000
resource_lock = threading.Lock()
def increment():
    global resource
    for i in range(count):
        resource_lock.acquire()
        resource += 1
        resource_lock.release()
def decerment():
    global resource
    for i in range(count):
        resource_lock.acquire()
        resource -= 1
        resource_lock.release()
increment_thread = threading.Thread(target=increment)
decerment_thread = threading.Thread(target=decerment)
increment_thread.start()
decerment_thread.start()
increment_thread.join()
decerment_thread.join()
print(resource)

运行截图如下：

运行结果

从运行结果可以看到，不论我们运行多少次改代码，其resource的值都为初始值0， 这就是Lock()的功劳，即它可以将某一时刻的访问限定在单个线程或者单个类型的线程上，在访问锁定的共享资源时，必须要现获取对应的锁才能访问，即要等待其他线程释放资源，即resource_lock.release()当然为了防止我们对某个资源锁定后，忘记释放锁，导致死锁，我们可以利用上下文管理器管理锁实现同样的效果：

import threading
import time
resource = 0
count = 1000000
resource_lock = threading.Lock()
def increment():
    global resource
    for i in range(count):
        with resource_lock:
                resource += 1
def decerment():
    global resource
    for i in range(count):
        with resource_lock:
                resource -= 1
increment_thread = threading.Thread(target=increment)
decerment_thread = threading.Thread(target=decerment)
increment_thread.start()
decerment_thread.start()

RLock() 与Lock()的区别

我们需要知道Lock()作为一个基本的锁对象，一次只能一个锁定，其余锁请求，需等待锁释放后才能获取，否则会发生死锁：

import threading
resource.lock = threading.lock()
resource = 0
resource.lock.acquire()
resource.lock.acquire()
resource += 1
resource.lock.release()
resource.lock.release()

为解决同一线程中不能多次请求同一资源的问题，python提供了“可重入锁”：threading.RLock，RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次acquire。

直到一个线程所有的acquire都被release，其他的线程才能获得资源 。用法和threading.Lock类相同，即比如递归锁的使用：

import threading
lock = threading.RLock()
def dosomething(lock):
    lock.acquire()
    # do something
    lock.release()
lock.acquire()
dosomething(lock)
lock.release()

以上就是Python并行编程多线程锁机制Lock与RLock实现线程同步的详细内容，更多关于Python锁Lock RLock线程同步的资料请关注脚本之家其它相关文章！