浅谈Python的锁机制

一、锁（Lock）机制

  Python中为了解决多线程的安全问题， threading 模块引入了锁（Lock）。当多个线程需要对共享资源进行操作时，通常这些资源都是可变对象，因此需要额外的方法来保证其线程安全。threading 模块提供了 Lock 和 RLock 两个类，它们都提供了如下两个方法来加锁和释放锁，这两个方法必须成对出现：

acquire(blocking=True, timeout=-1)：请求对 Lock 或 RLock 加锁，其中 timeout 参数指定加锁多少秒。
release()：释放锁。

Lock 和 RLock 的区别如下：

  Lock：是一个基本的锁对象，每次只能锁定一次，其余的锁请求，需等待锁释放后才能获取。

  RLock：代表可重入锁（Reentrant Lock）。对于可重入锁，在同一个线程中可以对它进行多次锁定，也可以多次释放。如果使用 RLock，那么 acquire() 和 release() 方法必须成对出现。如果调用了 n 次 acquire() 加锁，则必须调用 n 次 release() 才能释放锁。
  由此可见，RLock 锁具有可重入性。也就是说，同一个线程可以对已被加锁的 RLock 锁再次加锁，RLock 对象会维持一个计数器来追踪 acquire() 方法的嵌套调用，线程在每次调用 acquire() 加锁后，都必须显式调用 release() 方法来释放锁。所以，一段被锁保护的方法可以调用另一个被相同锁保护的方法。
  Lock 是控制多个线程对共享资源进行访问的工具。通常，锁提供了对共享资源的独占访问，每次只能有一个线程对 Lock 对象加锁，线程在开始访问共享资源之前应先请求获得 Lock 对象。当对共享资源访问完成后，程序释放对 Lock 对象的锁定。

二、with的用法

  Python中一般在文件，多线程锁（threading.Lock）等操作时最常用的就是使用with上下文管理器，这样会让代码的可读性更强而且错误更少，创建上下文管理实际就是创建一个类，添加__enter__和__exit__方法。
  Python标准库还提供了更加易用的上下文管理器工具模块contextlib，它是通过生成器实现的，这样就不需要再创建类以及__enter__和__exit__这两个方法。
  外部使用contextmanager将该类包装成为一个上下文管理器，这样既可以调用类中的方法，又可以在执行核心代码前后再执行一些相关的语句。yield关键词把上下文分割成两部分，这样做的好处在于，我们就可以在执行真正的核心代码之前可以执行一部分代码，然后在执行完毕后，又可以执行一部分代码，这种场景在openstack中还是很常见的。
举个简单例子：

from contextlib import contextmanager

@contextmanager
def python_book():
	print('《', end='')
	yield
	print('》', end='')

with python_book():
	# 业务核心代码
	print('流畅的Python', end='')
# 结果： 《流畅的Python》