Python线程同步在实际应用中功能体现

Python线程同步在实际应用中功能体现

在Python编程语言中，对于线程的操作是一个比较重要的应用技术。我们将会在这篇文章中为大家详细介绍一下这方面的相关基础内容，Python线程同步的应用方式。多个执行线程经常要共享数据，如果仅仅读取共享数据还好，但是如果多个线程要修改共享数据的话就可能出现无法预料的结果。

• Python字符基本操作技巧分享
• Python操作Sqlite正确实现方法解析
• Python操作注册表相关步骤详细介绍
• Python读取XML文档正确应用方式解读
• Python多线程实际编程方式浅析

假如两个线程对象t1和t2都要对数值num=0进行增1运算，那么t1和t2都各对num修改10次的话，那么num最终的结果应该为20。但是如果当t1取得num的值时假如此时num为0），系统把t1调度为“sleeping”状态，而此时t2转换为“running”状态，此时t2获得的num的值也为0，然后他把num+1的值1赋给num。系统又把t2转化为“sleeping”状态，t1为“running”状态，由于t1已经得到num值为0，所以他也把num+1的值赋给了num为1。本来是2次增1运行，结果却是num只增了1次。类似这样的情况在多线程同时执行的时候是有可能发生的。所以为了防止这类情况的出现就要使用Python线程同步机制。

最简单的同步机制就是“锁”

锁对象用threading.RLock类创建

mylock = threading.RLock() 

如何使用锁来Python线程同步呢？线程可以使用锁的acquire() 获得）方法，这样锁就进入“locked”状态。每次只有一个线程可以获得锁。如果当另一个线程试图获得这个锁的时候，就会被系统变为“blocked”状态，直到那个拥有锁的线程调用锁的release() 释放）方法，这样锁就会进入“unlocked”状态。“blocked”状态的线程就会收到一个通知，并有权利获得锁。如果多个线程处于“blocked”状态，所有线程都会先解除“blocked”状态，然后系统选择一个线程来获得锁，其他的线程继续沉默“blocked”）。

import threading  
mylock = threading.RLock()  
class mythread(threading.Thread)  
…  
def run(self …):  
… #此处 不可以 放置修改共享数据的代码  
mylock.acquire()  
… #此处 可以 放置修改共享数据的代码  
mylock.release()  
… #此处 不可以 放置修改共享数据的代码 

我们把修改共享数据的代码称为“临界区”，必须将所有“临界区”都封闭在同一锁对象的acquire()和release()方法调用之间。

锁只能提供最基本的同步级别。有时需要更复杂的线程同步，例如只在发生某些事件时才访问一个临界区例如当某个数值改变时）。这就要使用“条件变量”。

条件变量用threading.Condition类创建

mycondition = threading.Condition() 

条件变量是如何工作的呢？首先一个Python线程同步成功获得一个条件变量后，调用此条件变量的wait()方法会导致这个线程释放这个锁，并进入“blocked”状态，直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。

如果程序或者线程永远处于“blocked”状态的话，就会发生死锁。所以如果使用了锁、条件变量等同步机制的话，一定要注意仔细检查，防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒，否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用，当然也可以调用notifyAll()方法以防万一。