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,event
import time
def 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,thread
def 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 threading
import 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 threading import time class 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 -= 1 def 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 = 10 c2 = 1000 for 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 threading
import time
def 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多线程之间的同步详解整合，希望对大家有所帮助