详解python多线程之间的同步(一)

引言：

线程之间经常需要协同工作，通过某种技术，让一个线程访问某些数据时，其它线程不能访问这些数据，直到该线程完成对数据的操作。这些技术包括临界区(Critical Section)，互斥量(Mutex)，信号量(Semaphore)，事件Event等。

Event

threading库中的event对象通过使用内部一个flag标记，通过flag的True或者False的变化来进行操作。

名称 含义 set( ) 标记设置为True clear( ) 标记设置为False is_set( ) 标记是否为True wait(timeout=None) 设置等待标记为True的时长，None为无限等待。等到返回True，等不到返回False

from threading import Thread,Eventimport timedef creditor(event:Event): print("什么时候还我钱") event.wait() print("我已经等了很长时间了")def debtor(event:Event,count=10): print("可以宽裕几天吗？") money=[] while True: print("先还你100") time.sleep(0.5) money.append(1) if len(money)>count:  event.set()  break print("我已经还完你的钱了")event=Event()c=Thread(target=creditor,args=(event,))d=Thread(target=debtor,args=(event,))c.start()d.start()

运行结果如下所示：

可以看到creditor函数中因为event.wait( )线程进入等待状态，此时debtor线程进入运行，当满足条件时event.set( )将标记设置为True，creditor线程开始运行。谁wait就是等到flag变为True，或等到超时变为False。不限制等待的个数。

wait的使用

from threading import Event,Threaddef Wait(event:Event,interval): while not event.wait(interval): print("waiting for you")e=Event()Thread(target=Wait,args=(e,3)).start()e.wait(10)e.set()print("main exit")

主线程一开始就wait 10s，Waiting线程等待3s返回False，进入循环打印"waiting for you"，重复3次，然后主线程set了，这时候Waiting线程变为True，不再进入循环。

Lock

凡是存在资源争用的地方都可以使用锁，从而保证只有一个使用者可以完全使用这个资源

现在要生产10个杯子，由10个工人开始生产

import threadingimport time cups=[]def worker(count=10): print("我是{},我开始生产了".format(threading.current_thread().name)) flag=False while True: if len(cups)>count:  flag=True time.sleep(0.05) if not flag:  cups.append(1) if flag:  break  print("finished.cups={}".format(len(cups))) for _ in range(10): threading.Thread(target=worker,args=(1000,)).start()

运行结果如下图所示：

我们明明只需要到1000就会break，但是结果却到了1010个，这就是因为有10个线程，其中每个线程都在增加，但是增加后的数目，其他线程并不会知道(每个线程通过len函数拿到数量，但是刚拿到数字，其他线程就立即更新了)

这个时候我们就需要锁lock来实现了，一旦线程获得锁，其他试图获取锁的线程将被阻塞

名称 含义 acquire(blocking=True,timeout=-1) 默认阻塞，阻塞可以设置超时时间。非阻塞时，timeout禁止设置。成功获取锁，返回True，否则返回False release( ) 释放锁。可以从任何线程释放。已上锁的锁，会抛出RuntimeError异常

加锁的实现：

import threading import time cups=[]lock=threading.Lock()def worker(count=10): print("我是{},我开始生产了".format(threading.current_thread().name)) flag=False while True: lock.acquire() if len(cups)>=count:  flag=True time.sleep(0.005) if not flag:  cups.append(1) lock.release() if flag:  break print("finished,cups={}".format(len(cups))) for _ in range(10): threading.Thread(target=worker,args=(1000,)).start()

运行结果如图所示：

一般来说加锁后还需要一些代码实现，在释放锁之前还有可能抛出异常，一旦出现异常，锁无法释放，但是当前这个线程会因为这个异常而终止，这样会产生死锁，因此使用时要使用如下的方法：

1，使用try...finally语句保证锁的释放

2，with安全上下文管理(锁对象支持上下文管理)

计数器类，用来加，减。

import threadingimport timeclass Counter: def __init__(self): self._val = 0 self.__lock = threading.Lock() @property def value(self): return self._val def inc(self): try:  self.__lock.acquire()  self._val += 1 finally:  self.__lock.release() def dec(self): with self.__lock:  self._val -= 1def run(c: Counter, count=100): for _ in range(count): for i in range(-50, 50):  if i < 0:  c.dec()  else:  c.inc()c = Counter()c1 = 10c2 = 1000for i in range(c1): threading.Thread(target=run, args=(c, c2)).start()while True: if threading.active_count() == 1: print(c.value) break

启动了10个线程，1000次从-50到50进行加减，最后得到0，如果没有加锁处理的话，得到的结果未必是自己想要的。

锁的使用场景：

锁适用于访问和修改同一个资源的时候，引起资源争用的情况下。使用锁的注意事项：

1，少用锁，除非有必要。多线程访问加锁的资源时，由于锁的存在，实际就变成了串行。 2，加锁时间越短越好，不需要就立即释放锁。 3，一定要避免死锁，使用with或者try...finally。

非阻塞锁使用

import threadingimport timedef worker(tasks): for task in tasks: time.sleep(0.001) if task.lock.acquire(False):  print("{} {} begin to start".format(threading.current_thread(),task.name)) else:  print("{} {} is working".format(threading.current_thread(),task.name))class Task: def __init__(self,name): self.name=name self.lock=threading.Lock()tasks=[Task('task-{}'.format(x)) for x in range(10)]for i in range(5): threading.Thread(target=worker,name="worker-{}".format(i),args=(tasks,)).start()

运行结果如下图所示：

总共开启了5个线程，每个线程处理10个任务，因为在if语句里面，task.lock.acquire(False)，所以每个线程只有拿到锁是True，其他的线程不会阻塞会返回False。打印"is working"。

以上所述是小编给大家介绍的python/' target='_blank'>python多线程之间的同步详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！