python執行緒中同步鎖定詳解

這篇文章主要為大家詳細介紹了python線程中同步鎖的相關資料，具有一定的參考價值，感興趣的小伙伴們可以參考一下

在使用多線程的應用下，如何確保線程安全，以及線程之間的同步，或者訪問共享變量等問題是十分棘手的問題，也是使用多線程下面臨的問題，如果處理不好，會帶來較嚴重的後果，使用python多線程中提供Lock Rlock Semaphore Event Condition 用來保證線程之間的同步，後者保證訪問共享變量的互斥問題

Lock & RLock:互斥鎖用來保證多線程訪問共享變量的問題
Semaphore物件：Lock互斥鎖的加強版，可以被多個執行緒同時擁有，而Lock只能被某一個執行緒同時擁有。
Event物件: 它是執行緒間通訊的方式，相當於訊號，一個執行緒可以給另外一個執行緒發送訊號後讓其執行操作。
Condition物件：其可以在某些事件觸發或達到特定的條件後才處理資料

#1、Lock(互斥鎖)

請求鎖定— 進入鎖定池等待— 取得鎖定— 已鎖定— 釋放鎖定

Lock（指令鎖定）是可用的最低階的同步指令。 Lock處於鎖定狀態時，不被特定的執行緒擁有。 Lock包含兩種狀態－鎖定和非鎖定，以及兩個基本的方法。

可以認為Lock有一個鎖定池，當執行緒請求鎖定時，將執行緒至於池中，直到獲得鎖定後出池。池中的執行緒處於狀態圖中的同步阻塞狀態。

建構方法：
Lock()

實例方法：
acquire([timeout]): 讓執行緒進入同步阻塞狀態，嘗試獲得鎖定。
release(): 釋放鎖。使用前執行緒必須已獲得鎖定，否則將拋出異常。

if mutex.acquire():
 counter += 1
 print "I am %s, set counter:%s" % (self.name, counter)
  mutex.release()

2、RLock(可重入鎖定)

RLock（可重入鎖定）是一個可以被同一個執行緒請求多次的同步指令。 RLock使用了「擁有的執行緒」和「遞迴等級」的概念，處於鎖定狀態時，RLock被某個執行緒擁有。擁有RLock的執行緒可以再次呼叫acquire()，釋放鎖定時需要呼叫release()相同次數。

可以認為RLock包含一個鎖定池和一個初始值為0的計數器，每次成功呼叫acquire()/release()，計數器將1/-1，為0時鎖處於未鎖定狀態。

建構方法：
RLock()

實例方法：
acquire([timeout])/release(): 跟Lock差不多。

3、Semaphore(共享物件存取)

咱們再聊聊Semaphore ，說實話Semaphore是我最晚使用的同步鎖，以前類似的實現，是我用Rlock實現的，相對來說有些繞，畢竟Rl​​ock 是需要成對的鎖定和開鎖的》。 。 。

Semaphore管理一個內建的計數器，
每當呼叫acquire()時內建計數器-1;
呼叫release() 時內建計數器1；
計數器不能小於0；當計數器為0時，acquire()將阻塞線程直到其他線程呼叫release()。

直接上程式碼，我們把semaphore控製成3，也就是說，同時有3個執行緒可以用這個鎖，剩下的執行緒也之只能是阻塞等待了…

#

#coding:utf-8
#blog xiaorui.cc
import time
import threading

semaphore = threading.Semaphore(3)

def func():
 if semaphore.acquire():
  for i in range(3):
   time.sleep(1)
   print (threading.currentThread().getName() + '获取锁')
  semaphore.release()
  print (threading.currentThread().getName() + ' 释放锁')


for i in range(5):
 t1 = threading.Thread(target=func)
 t1.start()

4、Event(線程間通訊)

Event內部包含了一個標誌位，初始的時候為false。
可以使用使用set()來將其設為true;
或使用clear()將其從新設定為false;
可以使用is_set()來檢查標誌位元的狀態；

另一個最重要的函數就是wait(timeout=None)，用來阻塞目前線程，直到event的內部標誌位元被設定為true或timeout逾時。如果內部標誌位元為true則wait()函數理解回傳。

import threading
import time

class MyThread(threading.Thread):
 def __init__(self, signal):
  threading.Thread.__init__(self)
  self.singal = signal

 def run(self):
  print "I am %s,I will sleep ..."%self.name
  self.singal.wait()
  print "I am %s, I awake..." %self.name

if __name__ == "__main__":
 singal = threading.Event()
 for t in range(0, 3):
  thread = MyThread(singal)
  thread.start()

 print "main thread sleep 3 seconds... "
 time.sleep(3)

 singal.set()

5、Condition(線程同步)

可以把Condition理解為一把高級的瑣，它提供了比Lock, RLock更高級的功能，讓我們能夠控制複雜的執行緒同步問題。 threadiong.Condition在內部維護一個瑣物件（預設是RLock），可以在建立Condigtion物件的時候把瑣物件當作參數傳入。 Condition也提供了acquire, release方法，其意義與瑣的acquire, release方法一致，其實它只是簡單的調用內部瑣對象的對應的方法而已。 Condition也提供瞭如下方法(特別要注意：這些方法只有在佔用瑣(acquire)之後才能調用，否則將會報RuntimeError異常。)：

Condition.wait([ timeout]):

wait方法釋放內部所佔用的瑣，同時執行緒被掛起，直至接收到通知被喚醒或逾時（如果提供了timeout參數的話） 。當執行緒被喚醒並重新佔有瑣的時候，程式才會繼續執行下去。

Condition.notify():

#喚醒一個掛起的執行緒（如果存在掛起的執行緒）。注意：notify()方法不會釋放所佔用的瑣。

Condition.notify_all()
Condition.notifyAll()

唤醒所有挂起的线程（如果存在挂起的线程）。注意：这些方法不会释放所占用的琐。

对于Condition有个例子，大家可以观摩下。

from threading import Thread, Condition
import time
import random

queue = []
MAX_NUM = 10
condition = Condition()

class ProducerThread(Thread):
 def run(self):
  nums = range(5)
  global queue
  while True:
   condition.acquire()
   if len(queue) == MAX_NUM:
    print "Queue full, producer is waiting"
    condition.wait()
    print "Space in queue, Consumer notified the producer"
   num = random.choice(nums)
   queue.append(num)
   print "Produced", num
   condition.notify()
   condition.release()
   time.sleep(random.random())


class ConsumerThread(Thread):
 def run(self):
  global queue
  while True:
   condition.acquire()
   if not queue:
    print "Nothing in queue, consumer is waiting"
    condition.wait()
    print "Producer added something to queue and notified the consumer"
   num = queue.pop(0)
   print "Consumed", num
   condition.notify()
   condition.release()
   time.sleep(random.random())


ProducerThread().start()
ConsumerThread().start()

相关推荐：

python多线程之事件Event的使用详解

python线程池threadpool的实现

以上是python執行緒中同步鎖定詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章！