您好,登录后才能下订单哦!
这篇文章主要介绍“Python线程安全实例分析”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python线程安全实例分析”文章能帮助大家解决问题。
线程安全,名字就非常直接,在多线程情况下是安全的,多线程操作上的安全。
比如一个计算加法的函数,不管是一千个还是一万个线程,我们希望它执行的结果总是正确的,1+1 必须永远等于2, 而不是线程少的时候1+1 变成3或者4了。
通常我们都用线程安全来修饰一个类,修饰一个函数:
我们会说我设计的这个类是线程安全的
这意味着,在多线程环境下,同时调用这个类的函数不会出现函数设置预期之外的异常(上述的1+1=3的情况)
dict 和 list,tuple这些都是线程安全。
它们是被全局解释器保障了,这个锁:GIL(全局解释器锁)确保了任何时候只能有一个线程执行相应操作的字节码。参考
但是这番话也是说的不清不楚的。
现在我们拿转账来解析吧:
xuewei_account = dict() xuewei_account['amount'] = 100 # amount为负数即是转出金额 def transfer(money): xuewei_account['amount'] += money
如上,代码为一个函数对jb_account
(账户)进行转入金额操作。
这里用了dict类型,GIL会保证只有一个线程操作账户。
下面是多个线程进行操作的代码:
import random import threading import datetime import time xuewei_account = dict() xuewei_account['amount'] = 100 # amount为负数即是转出金额 def transfer(money): xuewei_account['amount'] += money # 创建4个任务给重复学委账户转账 threads = [] for i in range(200): t1 = threading.Thread(target=lambda: transfer(-1)) threads.append(t1) t2 = threading.Thread(target=lambda: transfer(1)) threads.append(t2) for t in threads: t.start() # 这次不用sleep了,用join来等待所有线程执行完毕 # join函数必须线程start后才能调用,否则出错。 for t in threads: t.join() print("-" * 16) print("活跃线程数:", threading.active_count()) print("活跃线程:", threading.current_thread().name) print("学委账户余额:", xuewei_account)
这段代码运行的输出结果正常,因为是反复+1/-1,最后肯定是恢复原账户余额。
虽然多个线程,但是每个线程只对xuewei_account进行一次读写,这时候dict是安全的。
但是我们把赋值修改dict的操作变多之后(特别是一个线程内反复多次获取值然后修改),像下面的代码:
import random import threading import datetime import time xuewei_account = dict() xuewei_account['amount'] = 100 # amount为负数即是转出金额 def transfer(money): for i in range(100000): xuewei_account['amount'] = xuewei_account['amount'] + money # 创建400个任务重复给学委账户转账 threads = [] for i in range(200): t1 = threading.Thread(target=lambda: transfer(-1)) threads.append(t1) t2 = threading.Thread(target=lambda: transfer(1)) threads.append(t2) for t in threads: t.start() for t in threads: t.join() print("-" * 16) print("活跃线程数:", threading.active_count()) print("活跃线程:", threading.current_thread().name) print("学委账户余额:", xuewei_account)
这是某一次运行结果(不保证每次acount的数值一样):
我们看到dict还是扛不住多个线程反复的写操作。
这里区别是:每个线程只对xuewei_account进行大量读写,虽然dict是安全的,但是多个线程中间穿插修改了account,程序方法栈出现操作到旧值(看下面的图)。
主要是下面这段代码:
xuewei_account[‘amount'] += money # 即是 xuewei_account[‘amount'] = xuewei_account[‘amount']+ money
再一步抽象简化可以写成:
a = a + b
每个线程都执行 +b 操作,最后a的值应该是a+2b。
上面的操作意味这下面的情况发生了:
在某个线程中可能出现某一个线程T1获取了a值 ,准备加上b。
另外一个线程T2已经完成了a+b操作,把a的值变成了a+b了。
但是接下来T1 拿了a的值再执行a+b操作,把a的值变成a+b。
这样就少加了一个b,本来最后结果是a+2b 的变成了 a+b(因为T1拿了a的旧值,中间T2执行完,T1才继续执行)
当然实际多线程之间交互比上图还要随机。
dict读取数据是线程安全,但是被反复读写就容易出现数据混乱。
如果我们要设计一个线程安全的函数,那么它必须不涉及任何共享变量或者是完全没有状态依赖的函数
def thread_safe_method(): pass
比如下面的加法函数,不管多少个线程调用,返回值永远是预期的a+b。
def add(a, b): return a + b
许我们可以把多线程转换为单线程,这个需要一个线程安全的媒介。
关于“Python线程安全实例分析”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注亿速云行业资讯频道,小编每天都会为大家更新不同的知识点。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。