Python 関数での安全でない同時実行エラーを解決するにはどうすればよいですか?

Python は人気のある高水準プログラミング言語です。シンプルで理解しやすい構文、豊富な標準ライブラリ、オープン ソース コミュニティのサポートを備えています。また、オブジェクト指向プログラミング、関数型プログラミング、等特に、Python はデータ処理、機械学習、科学技術計算などの分野で広く使用されています。

ただし、Python にはマルチスレッドまたはマルチプロセス プログラミングにおいていくつかの問題もあります。その 1 つは同時実行性の不安です。この記事では、Python 関数の安全でない同時実行エラーを次の観点から解決する方法を紹介します。

1. 安全でない同時実行の理由

安全でない同時実行の理由は、多くの場合、共有リソースに関連しています。関数内の共有リソースには、グローバル変数、クラス属性、モジュール変数、ファイルなどが含まれます。複数のスレッドまたはプロセスが共有リソースに同時にアクセスすると、予期しないエラーが発生する可能性があります。たとえば、複数のスレッドが同じグローバル変数を同時に変更した場合、最終結果はプログラムが期待するものと異なる可能性があります。

以下はサンプル コードです:

import threading

counter = 0

def increment():
    global counter
    for i in range(100000):
        counter += 1

threads = []
for i in range(10):
    t = threading.Thread(target=increment)
    threads.append(t)

for t in threads:
    t.start()

for t in threads:
    t.join()

print("counter:", counter)

上記のコードは 10 個のスレッドを作成し、各スレッドは increment 関数を実行します。この関数の機能は、グローバル変数 counter を 100000 倍に増やすことです。ただし、複数のスレッドが counter 変数に同時にアクセスするため、同時実行性が安全でない状況が発生し、最終結果が予期しないものになります。

2. ミューテックス ロックを使用して安全でない同時実行性の問題を解決する

関数における安全でない同時実行性の問題を解決するには、スレッド同期テクノロジを使用する必要があります。その中でも、ミューテックス ロックはシンプルで効果的なスレッド同期メカニズムであり、同時に 1 つのスレッドだけが共有リソースにアクセスできるようにすることができます。スレッドがミューテックス ロックを取得すると、ロックを取得しようとする他のスレッドは、そのスレッドがロックを解放するまでブロックされます。

以下は、ミューテックス ロックを使用して上記の例の安全でない同時実行性の問題を解決する修正コードです。

import threading

counter = 0
lock = threading.Lock()

def increment():
    global counter
    for i in range(100000):
        lock.acquire()
        counter += 1
        lock.release()

threads = []
for i in range(10):
    t = threading.Thread(target=increment)
    threads.append(t)

for t in threads:
    t.start()

for t in threads:
    t.join()

print("counter:", counter)

上記のコードでは、threading.Lock( )オブジェクト。ミューテックス ロックの実装に使用されます。グローバル変数 counter を変更する場合は、まずロックを取得してからロックを解放する必要があります。このようにして、グローバル変数を同時に変更できるのは 1 つのスレッドだけであることが保証され、安全でない同時実行性の問題が回避されます。

3. スレッドセーフなデータ構造を使用する

ミューテックス ロックの使用に加えて、スレッドセーフなデータ構造を使用して、安全でない同時実行の問題を回避することもできます。 Python は、queue.Queue、collections.deque、threading.local など、いくつかのスレッドセーフなデータ構造を提供します。これらのデータ構造はスレッドセーフであり、マルチスレッド環境でも安全に使用できます。

以下は同じサンプル コードです。Python 標準ライブラリの queue.Queue を使用してグローバル変数 counter を置き換え、それによってスレッド セーフを実現します。

import threading
import queue

q = queue.Queue()

def increment():
    for i in range(100000):
        q.put(1)

threads = []
for i in range(10):
    t = threading.Thread(target=increment)
    threads.append(t)

for t in threads:
    t.start()

for t in threads:
    t.join()

print("counter:", q.qsize())

上記のコードでは、タスクを保存するための

queue.Queue() オブジェクトを作成します。各スレッドで、100,000 個のタスク (つまり番号 1) をキューに入れます。最後に、キュー内のタスクの数をカウントすることで、正しい結果を得ることができます。 queue.Queue はスレッドセーフであるため、安全でない同時実行性の問題を引き起こすことなく、複数のスレッドが同時にタスクをキューに入れることができます。

4. 結論

この記事では、Python 関数における安全でない同時実行の問題を紹介し、この問題を解決するためにミューテックス ロックとスレッドセーフなデータ構造を使用する方法を紹介します。ミューテックス ロックは、同時に 1 つのスレッドだけが共有リソースにアクセスできるようにするためのシンプルで効果的なスレッド同期メカニズムであり、スレッドセーフなデータ構造をマルチスレッド環境で安全に使用できます。実際のプログラミングでは、プログラムの正確性と安定性を確保するために、これらの技術をどのように使用するかに注意を払う必要があります。

以上がPython 関数での安全でない同時実行エラーを解決するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。