资讯专栏INFORMATION COLUMN

Python并行编程多线程锁机制Lock与RLock实现线程同步

89542767 / 484人阅读

  Python作为一门比较常见的编程语言,可以对其进行多线程的编程,包括利用Lock与RLock,实现多线程之间的相互同步,那么,实现这种原理的机制到底是什么样子的呢?下面就给大家详细解答下。


  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:

01.png

  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:

02.png

  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()


  综上所述,这篇文章就给大家介绍到这里了,希望可以给大家带来帮助。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/128429.html

相关文章

  • 并发模型:线程

    摘要:文章结构来自七周七并发模型互斥和内存模型创建线程这段代码创建并启动了一个实例,首先从开始,函数的余下部分一起并发执行。在锁定状态下,某些线程拥有锁在非锁定状态下,没有线程拥有它。 并发&并行 并发程序含有多个逻辑上的独立执行块,他们可以独立的并行执行,也可以串行执行。并行程序解决问题的速度比串行程序快的多,因为其可以同时执行整个任务的多个部分。并行程序可能有多个独立执行块,也可能只有一...

    JasinYip 评论0 收藏0
  • python并发4:使用thread处理并发

    摘要:如果某线程并未使用很多操作,它会在自己的时间片内一直占用处理器和。在中使用线程在和等大多数类系统上运行时,支持多线程编程。守护线程另一个避免使用模块的原因是,它不支持守护线程。 这一篇是Python并发的第四篇,主要介绍进程和线程的定义,Python线程和全局解释器锁以及Python如何使用thread模块处理并发 引言&动机 考虑一下这个场景,我们有10000条数据需要处理,处理每条...

    joywek 评论0 收藏0
  • python---线程

    摘要:某进程内的线程在其它进程不可见。线程的实体包括程序数据和。包括以下信息线程状态。当线程不运行时,被保存的现场资源。用户级线程执行系统调用指令时将导致其所属进程被中断,而内核支持线程执行系统调用指令时,只导致该线程被中断。线程能够利用的表空 操作系统线程理论 线程概念的引入背景 进程之前我们已经了解了操作系统中进程的概念,程序并不能单独运行,只有将程序装载到内存中,系统为它分配资源才能运...

    Yangyang 评论0 收藏0
  • Python 的并发编程

    摘要:本文最先发布在博客这篇文章将讲解并发编程的基本操作。并发是指能够多任务处理,并行则是是能够同时多任务处理。虽然自带了很好的类库支持多线程进程编程,但众所周知,因为的存在,很难做好真正的并行。 本文最先发布在博客:https://blog.ihypo.net/151628... 这篇文章将讲解 Python 并发编程的基本操作。并发和并行是对孪生兄弟,概念经常混淆。并发是指能够多任务处...

    happen 评论0 收藏0
  • python线程

    摘要:对于操作为主的编程来说,多进程和多先产出的性能差别不大,甚至多线程比多进程的性能还高,因为多线程编程更加轻量级。 GIL global interpreter lock(cpython) 同一时刻只有一个线程运行在一个cpu上执行字节码(无法将多个线程映射到多个cpu上) import dis def add(a): a = a + 1 return a print...

    J4ck_Chan 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<