Python开发基础-Day30多线程锁机制

GIL(全局解释器锁)

GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念，是为了实现不同线程对共享资源访问的互斥，才引入了GIL

在Cpython解释器中，同一个进程下开启的多线程，同一时刻只能有一个线程执行，无法利用多核优势

python对于计算密集型的任务开多线程的效率甚至不如串行(没有大量切换)，但是，对于IO密集型的任务效率还是有显著提升的。

GIL原理图

计算密集型：结果肯定是100，因为每一次start结果就已经出来了，所以第二个线程肯定是通过调用第一个线程的count值进行计算的

 def sub():
     global count

     '''线程的公共数据  下'''
     temp=count
     count=temp+1
     '''线程的公共数据  上'''

     time.sleep(2)
 count=0

 l=[]
 for i in range(100):
     t=threading.Thread(target=sub,args=())
     t.start()　　#每一次线程激活，申请一次gillock
     l.append(t)
 for t in l:
     t.join()
 print(count)

io密集型：当第一个线程开始start的时候，由于sleep了0.001秒，这0.001秒对于人而言很短，但是对于cpu而言，这0.001秒已经做了很多的事情了，在这里cpu做的事情就是或许已经start了100个线程，所以导致大多数的线程调用的count值还是0，即temp=0，只有少数的线程完成了count=temp+1的操作，所以输出的count结果不确定，可能是7、8、9，也可能是10几。

 def sub():
     global count

     '''线程的公共数据  下'''
     temp=count
     time.sleep(0.001)    #大量的io操作
     count=temp+1
     '''线程的公共数据  上'''

     time.sleep(2)
 count=0

 l=[]
 for i in range(100):
     t=threading.Thread(target=sub,args=())
     t.start()
     l.append(t)
 for t in l:
     t.join()
 print(count)

注意以下的锁都是多线程提供的锁机制，与python解释器引入的gil概念无关

互斥锁（同步锁）

互斥锁是用来解决上述的io密集型场景产生的计算错误，即目的是为了保护共享的数据，同一时间只能有一个线程来修改共享的数据。

 def sub():
     global count
     lock.acquire()  #上锁，第一个线程如果申请到锁，会在执行公共数据的过程中持续阻塞后续线程
                     #即后续第二个或其他线程依次来了发现已经被上锁，只能等待第一个线程释放锁
                     #当第一个线程将锁释放，后续的线程会进行争抢

     '''线程的公共数据  下'''
     temp=count
     time.sleep(0.001)
     count=temp+1
     '''线程的公共数据  上'''

     lock.release()  #释放锁
     time.sleep(2)
 count=0

 l=[]
 lock=threading.Lock()   #将锁内的代码串行化
 for i in range(100):
     t=threading.Thread(target=sub,args=())
     t.start()
     l.append(t)
 for t in l:
     t.join()
 print(count)

死锁

保护不同的数据就应该加不同的锁。

所以当有多个互斥锁存在的时候，可能会导致死锁，死锁原理如下：

 import threading
 import time
 def foo():
     lockA.acquire()
     print('func foo ClockA lock')
     lockB.acquire()
     print('func foo ClockB lock')
     lockB.release()
     lockA.release()

 def bar():

     lockB.acquire()
     print('func bar ClockB lock')
     time.sleep(2)  # 模拟io或者其他操作，第一个线程执行到这，在这个时候，lockA会被第二个进程占用
                    # 所以第一个进程无法进行后续操作，只能等待lockA锁的释放
     lockA.acquire()
     print('func bar ClockA lock')
     lockB.release()
     lockA.release()

 def run():
     foo()
     bar()

 lockA=threading.Lock()
 lockB=threading.Lock()
 for i in range(10):
     t=threading.Thread(target=run,args=())
     t.start()

 输出结果：只有四行，因为产生了死锁阻断了
 func foo ClockA lock
 func foo ClockB lock
 func bar ClockB lock
 func foo ClockA lock

递归锁（重要）

解决死锁

 import threading
 import time
 def foo():
     rlock.acquire()
     print('func foo ClockA lock')
     rlock.acquire()
     print('func foo ClockB lock')
     rlock.release()
     rlock.release()

 def bar():
     rlock.acquire()
     print('func bar ClockB lock')
     time.sleep(2)
     rlock.acquire()
     print('func bar ClockA lock')
     rlock.release()
     rlock.release()

 def run():
     foo()
     bar()

 rlock=threading.RLock() #RLock本身有一个计数器，如果碰到acquire，那么计数器+1
                         #如果计数器大于0，那么其他线程无法查收，如果碰到release，计数器-1

 for i in range(10):
     t=threading.Thread(target=run,args=())
     t.start()

Semaphore（信号量）

实际上也是一种锁，该锁用于限制线程的并发量

以下代码在sleep两秒后会打印出100个ok

 import threading
 import time
 def foo():
     time.sleep(2)
     print('ok')

 for i in range(100):
     t=threading.Thread(target=foo,args=())
     t.start()

每2秒打印5次ok

 import threading
 import time
 sem=threading.Semaphore(5)
 def foo():
     sem.acquire()
     time.sleep(2)
     print('ok')
     sem.release()

 for i in range(100):
     t=threading.Thread(target=foo,args=())
     t.start()