第十五章、Python多线程同步锁，死锁和递归锁

时间：2023-03-08 15:42:15
第十五章、Python多线程同步锁，死锁和递归锁

第十五章、Python多线程同步锁，死锁和递归锁

1. 引子：

1.创建线程对象

t1 = threading.Thread(target=say,args=('tony',))

2.启动线程

t1.start()

后面又说了两个点就是join和守护线程的概念

​ 以上就是python多线程的基本使用

​ 说明：前面说的两个功能是相互独立的，相互不干涉的，不会用到同享的资源或者数据，如果我们多个线程要用到相同的数据，那么就会存在资源争用和锁的问题，不管在什么语言中，这个都是不能避免的。 那么接下来讲讲同步锁，死锁和递归锁的使用

2.同步锁

​ 锁通常被用来实现对共享资源的同步访问。为每一个共享资源创建一个Lock对象，当你需要访问该资源时，调用acquire方法来获取锁对象（如果其它线程已经获得了该锁，则当前线程需等待其被释放），待资源访问完后，再调用release方法释放锁。

​ 适用同步锁的例子如下：

import threading

import time

num = 100

def fun_sub():

    global num

    # num -= 1

    num2 = num

    time.sleep(0.001)

    num = num2-1

if __name__ == '__main__':

    print('开始测试同步锁 at %s' % time.ctime())

    thread_list = []

    for thread in range(100):

        t = threading.Thread(target=fun_sub)

        t.start()

        thread_list.append(t)

    for t in thread_list:

        t.join()

    print('num is %d' % num)

    print('结束测试同步锁 at %s' % time.ctime())

-----------------------------------------------------

开始测试同步锁 at Sun Apr 28 09:56:45 2019

num is 91

结束测试同步锁 at Sun Apr 28 09:56:45 2019

这样的例子描述：创建100的线程，然后每个线程去从公共资源num变量去执行减1操作，按照正常情况下面，等到代码执行结束，打印num变量，应该得到的是0，因为100个线程都去执行了一次减1的操作。

这样的问题是：发现结果不是0而是91

让我们整理一下代码思路：

1.因为GIL，只有一个线程（假设线程1）拿到了num这个资源，然后把变量赋值给num2,sleep 0.001秒，这时候num=100

2.当第一个线程sleep 0.001秒这个期间，这个线程会做yield操作，就是把cpu切换给别的线程执行（假设线程2拿到个GIL，获得cpu使用权），线程2也和线程1一样也拿到num,返回赋值给num2，然后sleep,这时候，其实num还是=100.

3.线程2 sleep时候，又要yield操作，假设线程3拿到num,执行上面的操作，其实num有可能还是100

4.等到后面cpu重新切换给线程1，线程2，线程3上执行的时候，他们执行减1操作后，其实等到的num其实都是99，而不是顺序递减的。

5.其他剩余的线程操作如上

解决方案：这里就要借助于python的同步锁了，也就是同一时间只能放一个线程来操作num变量，减1之后，后面的线程操作来操作num变量。看看下面我们怎么实现。

import threading

import time

num = 100

def fun_sub():

    global num

    lock.acquire()

    print('----加锁----')

    print('现在操作共享资源的线程名字是:',t.name)

    num2 = num

    time.sleep(0.001)

    num = num2-1

    lock.release()

    print('----释放锁----')

if __name__ == '__main__':

    print('开始测试同步锁 at %s' % time.ctime())

    lock = threading.Lock() #创建一把同步锁

    thread_list = []

    for thread in range(100):

        t = threading.Thread(target=fun_sub)

        t.start()

        thread_list.append(t)

    for t in thread_list:

        t.join()

    print('num is %d' % num)

    print('结束测试同步锁 at %s' % time.ctime())

 ------------------------------------------------

 .......

----加锁----

现在操作共享资源的线程名字是: Thread-98

----释放锁----

----加锁----

现在操作共享资源的线程名字是: Thread-100

----释放锁----

num is 0

结束测试同步锁 at Sun Apr 28 12:08:27 2019

思路：看到上面我们给中间的减1代码块，加个一把同步锁，这样，我们就可以得到我们想要的结果了，这就是同步锁的作用，一次只有一个线程操作同享资源。

3.死锁

引子：

​ 死锁的这个概念在很多地方都存在，比较在数据中，大概介绍下死锁是怎么产生的

# 线程1拿到了(锁头2)想要往下执行需要(锁头1),

# 线程2拿到了(锁头1)想要往下执行需要(锁头2)

# 互相都拿到了彼此想要往下执行的必需条件,互相都不放手里的锁头.

# 产生了死锁问题

产生原因：python中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，因为系统判断这部分资源都正在使用，所有这两个线程在无外力作用下将一直等待下去。

from threading import Thread,Lock

mutex1 = Lock()

mutex2 = Lock()

import time

class MyThreada(Thread):

    def run(self):

        self.task1()

        self.task2()

    def task1(self):

        mutex1.acquire()

        print(f'{self.name} 抢到了 锁1 ')

        mutex2.acquire()

        print(f'{self.name} 抢到了 锁2 ')

        mutex2.release()

        print(f'{self.name} 释放了 锁2 ')

        mutex1.release()

        print(f'{self.name} 释放了 锁1 ')

    def task2(self):

        mutex2.acquire()

        print(f'{self.name} 抢到了 锁2 ')

        time.sleep(1)

        mutex1.acquire()

        print(f'{self.name} 抢到了 锁1 ')

        mutex1.release()

        print(f'{self.name} 释放了 锁1 ')

        mutex2.release()

        print(f'{self.name} 释放了 锁2 ')

for i in range(3):

    t = MyThreada()

    t.start()

那么，为了解决这个死锁问题，就引入了递归锁方案

4.递归锁RLock

原理：

​ 为了支持在同一线程中多次请求同一资源，python提供了"递归锁"：threading.RLock。RLock内部维护着一个Lock和一个counter变量，counter记录了acquire的次数，从而使得资源可以被多次acquire。直到一个线程所有的acquire都被release，其他的线程才能获得资源

不多说，放代码

from threading import Thread,Lock,RLock

# mutex1 = Lock()

# mutex2 = Lock()

mutex1 = RLock()

mutex2 = mutex1

import time

class MyThreada(Thread):

    def run(self):

        self.task1()

        self.task2()

    def task1(self):

        mutex1.acquire()

        print(f'{self.name} 抢到了 锁1 ')

        mutex2.acquire()

        print(f'{self.name} 抢到了 锁2 ')

        mutex2.release()

        print(f'{self.name} 释放了 锁2 ')

        mutex1.release()

        print(f'{self.name} 释放了 锁1 ')

    def task2(self):

        mutex2.acquire()

        print(f'{self.name} 抢到了 锁2 ')

        time.sleep(1)

        mutex1.acquire()

        print(f'{self.name} 抢到了 锁1 ')

        mutex1.release()

        print(f'{self.name} 释放了 锁1 ')

        mutex2.release()

        print(f'{self.name} 释放了 锁2 ')

for i in range(3):

    t = MyThreada()

    t.start()

总结：

​ 上面我们用一把递归锁，就解决了多个同步锁导致的死锁问题。大家可以把RLock理解为大锁中还有小锁，只有等到内部所有的小锁，都没有了，其他的线程才能进入这个公共资源。

5. 大总结

​ 还有一点，并不是所有的多线程都存在数据不同步、死锁的问题，但在访问共享资源的时候，锁是一定要存在了， 所以我们在代码里面加锁的时候，要注意在什么地方加，对性能的影响最小，这个就靠对逻辑的理解了。

相关文章