多线程共享全局变量的问题

合集 - python高级(31)

1.创建进程2023-07-232.Process类语法详解2023-07-233.进程间通信2023-07-234.进程池2023-07-235.进程间的锁和信号量2023-07-236.根据进程编号杀死指定进程os.kill2023-07-237.守护进程2023-07-238.线程2023-07-289.实现多线程多任务的步骤2023-07-2810.threading.Thread类详解2023-07-2811.守护线程&&threading.enumerate()2023-07-2812.python线程并行执行与java的线程并行执行的对比2023-07-2913.IO密集型任务与CPU密集型任务2023-07-29

14.多线程共享全局变量的问题2023-07-29

15.多线程共享资源之竞态条件2023-07-2916.互斥锁2023-07-2917.死锁2023-07-2918.线程池2023-07-2919.进程与线程的对比2023-07-2920.闭包2023-08-2621.闭包之nonlocal关键字的作用2023-08-2622.闭包之作用2023-08-2623.闭包之可能引起的问题2023-08-2624.弱引用2023-08-2625.装饰器2023-08-2726.装饰器示例2023-08-2727.property 属性2023-08-2728.with语句和上下文管理器详解、最佳实践、示例2023-08-2929.生成器2023-08-2930.深浅拷贝2023-08-3031.正则表达式2023-08-30

收起

线程之间共享全局变量

多个线程都是在同一个进程中 , 多个线程使用的资源都是同一个进程中的资源 , 因此多线程间是共享全局变量

问题

示例

import threading


# 全局变量
g_num = 0


# 对g_num进行加操作
def sum_num1():
    for i in range(1000000):
        global g_num
        g_num += 1

    print("g_num1:", g_num)


# 对g_num进行加操作
def sum_num2():
    for i in range(1000000):
        global g_num
        g_num += 1

    print("g_num2:", g_num)


if __name__ == '__main__':
    # 创建子线程
    sum1_thread = threading.Thread(target=sum_num1)
    sum2_thread = threading.Thread(target=sum_num2)

    # 启动线程
    sum1_thread.start()
    sum2_thread.start()

输出：

?

1 2	g_num1: 1891306 g_num2: 2000000

定义两个函数，实现循环100万次，每循环一次给全局变量加1

创建两个子线程执行对应的两个函数，从结果中可以发现有1个线程执行结果错误。就是因为资源共享存在可见性、非原子性等问题导致

 

在多线程环境下，共享变量可能会出现以下问题：

1. 竞态条件（Race Condition）：当多个线程同时访问和修改同一个共享变量时，由于执行顺序的不确定性，可能导致变量值不一致或出现错误的结果。这是因为线程之间的执行是并发的，无法确定哪个线程先执行哪个操作。

2. 数据不一致性（Inconsistent Data）：如果一个线程正在修改共享变量的值，而另一个线程正在读取该变量的值，那么读取到的值可能是过期的、部分修改的或者处于不一致的状态。

3. 死锁（Deadlock）：当多个线程同时竞争多个共享资源，并且每个线程都在等待其他线程释放资源时，可能发生死锁。这种情况下，所有线程都被阻塞，无法继续执行。

4. 饥饿（Starvation）：某些线程可能因为被其他线程持续抢占资源而无法获得执行的机会，导致饥饿现象发生。

5. 并发冲突（Concurrency Conflict）：当多个线程同时对共享变量进行写操作时，可能引发并发冲突，导致数据损坏或丢失。

为了解决这些问题，可以采取以下措施：

• 使用同步机制，如锁（Lock）、互斥量（Mutex）或信号量（Semaphore），来保证多个线程对共享变量的访问是有序和互斥的。
• 使用线程安全的数据结构，如线程安全的队列（Queue）或线程安全的字典（Dict），来避免竞态条件和数据不一致性问题。
• 避免共享状态，尽量使用局部变量或将数据进行分割，减少对共享变量的需求。
• 考虑使用更高级的并发模型，如进程间通信（IPC）或使用Actor模型等，以降低共享状态的复杂性。

需要注意的是，在使用多线程编程时，必须谨慎处理共享变量，确保线程之间的同步和互斥操作，以避免出现以上问题。