【LemonCK】Python同步&互斥锁&死锁
同步的概念
同步就是协同步调,按预定的先后次序进行运行。如:你说完,我再说。"同"字从字面上容易理解为一起动作,其实不是,"同"字应是指协同、协助、互相配合。如进程、线程同步,可理解为进程或线程A和B一块配合,A执行到一定程度时要依靠B的某个结果,于是停下来,示意B运行;B执行,再将结果给A;A再继续操作。
解决多线程同时修改全局变量的问题
思路,如下:
(1)系统调用t1,然后获取到g_num的值为0,此时上一把锁,即不允许其他线程操作g_num
(2)t1对g_num的值进行+1
(3)t1解锁,此时g_num的值为1,其他的线程就可以使用g_num了,而且是g_num的值不是0而是1
(4)同理其他线程在对g_num进行修改时,都要先上锁,处理完后再解锁,在上锁的整个过程中不允许其他线程访问,就保证了数据的正确性
互斥锁
当多个线程几乎同时修改某一个共享数据的时候,需要进行同步控制。线程同步能够保证多个线程安全访问竞争资源,最简单的同步机制是引入互斥锁。
互斥锁为资源引入一个状态:锁定/非锁定
某个线程要更改共享数据时,先将其锁定,此时资源的状态为“锁定”,其他线程不能更改;直到该线程释放资源,将资源的状态变成“非锁定”,其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作,从而保证了多线程情况下数据的正确性。
threading模块中定义了Lock类,可以方便的处理锁定:
# 创建锁 mutex = threading.Lock() # 锁定 mutex.acquire() # 释放 mutex.release()
注意:
- 如果这个锁之前是没有上锁的,那么acquire不会堵塞
- 如果在调用acquire对这个锁上锁之前 它已经被 其他线程上了锁,那么此时acquire会堵塞,直到这个锁被解锁为止
使用互斥锁完成2个线程对同一个全局变量各加100W 次的操作
#!/usr/bin/env python # -*- coding: utf-8 -*- """ @File:threadingDemo4.py @E-mail:364942727@qq.com @Time:2020/9/28 10:19 上午 @Author:Nobita @Version:1.0 @Desciption:同步&互斥锁 """ import time import threading a = 0 def func1(num): global a # 定义a为全局变量 for i in range(num): mutex.acquire() # 上锁 a += 1 mutex.release() # 解锁 print('执行func1以后,a的值为:{}'.format(a)) def func2(num): global a # 定义a为全局变量 for i in range(num): mutex.acquire() # 上锁 a += 1 mutex.release() # 解锁 print('执行func2以后,a的值为:{}'.format(a)) # 创建互斥锁 # 默认是未上锁状态 mutex = threading.Lock() # 创建两个线程,让他们各自加100W次 start_time = time.time() t1 = threading.Thread(target=func1, args=(1000000,)) t2 = threading.Thread(target=func2, args=(1000000,)) t1.start() t2.start() t1.join() t2.join() end_time = time.time() print("执行完两个线程后,a的值为:{},执行耗费的时间为:{}".format(a, end_time - start_time)) """ 执行func2以后,a的值为:1703466 执行func1以后,a的值为:2000000 执行完两个线程后,a的值为:2000000,执行耗费的时间为:0.6233060359954834 """
可以看到最后的结果,加入互斥锁后,其结果与预期相符。
上锁解锁过程
当一个线程调用锁的acquire()方法获得锁时,锁就进入“locked”状态。
每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁,该线程就会变为“blocked”状态,称为“阻塞”,直到拥有锁的线程调用锁的release()方法释放锁之后,锁进入“unlocked”状态。
线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁,并使得该线程进入运行(running)状态。
总结
锁的好处:
- 确保了某段关键代码只能由一个线程从头到尾完整地执行
锁的坏处:
- 阻止了多线程并发执行,包含锁的某段代码实际上只能以单线程模式执行,效率就大大地下降了
- 由于可以存在多个锁,不同的线程持有不同的锁,并试图获取对方持有的锁时,可能会造成死锁
死锁
在线程间共享多个资源的时候,如果两个线程分别占有一部分资源并且同时等待对方的资源,就会造成死锁。
尽管死锁很少发生,但一旦发生就会造成应用的停止响应。下面看一个死锁的例子
#!/usr/bin/env python # -*- coding: utf-8 -*- """ @File:threadingDemo5.py @E-mail:364942727@qq.com @Time:2020/9/28 10:59 上午 @Author:Nobita @Version:1.0 @Desciption:死锁的案例 """ import time import threading a = 0 def func1(num): global a # 定义a为全局变量 for i in range(num): mutex1.acquire() # 上锁1 mutex2.acquire() # 上锁2 print('----------func1开始执行----------') a += 1 mutex2.release() # 解锁2 mutex1.release() # 解锁1 print('执行func1以后,a的值为:{}'.format(a)) def func2(num): global a # 定义a为全局变量 for i in range(num): mutex2.acquire() # 上锁2 mutex1.acquire() # 上锁1 print('----------func2开始执行----------') a += 1 mutex1.release() # 解锁1 mutex2.release() # 解锁2 print('执行func2以后,a的值为:{}'.format(a)) # 创建两把锁mutex1和mutex2 mutex1 = threading.Lock() mutex2 = threading.Lock() # 创建两个线程,让他们各自加100W次 start_time = time.time() t1 = threading.Thread(target=func1, args=(1000000,)) t2 = threading.Thread(target=func2, args=(1000000,)) t1.start() t2.start() t1.join() t2.join() end_time = time.time() print("执行完两个线程后,a的值为:{},执行耗费的时间为:{}".format(a, end_time - start_time)) """ 这种你等我,我等你的情况,就是死锁。 """
避免死锁
- 程序设计时要尽量避免(银行家算法)
- 添加超时时间等