Python线程之认识线程安全
一、什么是线程安全？
线程安全，名字就非常直接，在多线程情况下是安全的，多线程操作上的安全。
比如一个计算加法的函数，不管是一千个还是一万个线程，我们希望它执行的结果总是正确的，1+1 必须永远等于2, 而不是线程少的时候1+1 变成3或者4了。
通常我们都用线程安全来修饰一个类，修饰一个函数：
我们会说我设计的这个类是线程安全的
这意味着，在多线程环境下，同时调用这个类的函数不会出现函数设置预期之外的异常（上述的1+1=3的情况）
二、在Python中有哪些类是线程安全的？
dict 和 list，tuple这些都是线程安全。
它们是被全局解释器保障了，这个锁：GIL（全局解释器锁）确保了任何时候只能有一个线程执行相应操作的字节码。参考
但是这番话也是说的不清不楚的。
现在我们拿转账来解析吧：
xuewei_account = dict()
xuewei_account['amount'] = 100
# amount为负数即是转出金额
def transfer(money):
xuewei_account['amount'] += money如上，代码为一个函数对jb_account（账户）进行转入金额操作。
这里用了dict类型，GIL会保证只有一个线程操作账户。
下面是多个线程进行操作的代码：
import random
import threading
import datetime
import time
xuewei_account = dict()
xuewei_account['amount'] = 100
# amount为负数即是转出金额
def transfer(money):
xuewei_account['amount'] += money
# 创建4个任务给重复学委账户转账
threads = []
for i in range(200):
t1 = threading.Thread(target=lambda: transfer(-1))
threads.append(t1)
t2 = threading.Thread(target=lambda: transfer(1))
threads.append(t2)
for t in threads:
t.start()
# 这次不用sleep了，用join来等待所有线程执行完毕
# join函数必须线程start后才能调用，否则出错。
for t in threads:
t.join()
print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)
这段代码运行的输出结果正常，因为是反复+1/-1，最后肯定是恢复原账户余额。
虽然多个线程，但是每个线程只对xuewei_account进行一次读写，这时候dict是安全的。
但是我们把赋值修改dict的操作变多之后（特别是一个线程内反复多次获取值然后修改），像下面的代码：
import random
import threading
import datetime
import time
xuewei_account = dict()
xuewei_account['amount'] = 100
# amount为负数即是转出金额
def transfer(money):
for i in range(100000):
xuewei_account['amount'] = xuewei_account['amount'] + money
# 创建400个任务重复给学委账户转账
threads = []
for i in range(200):
t1 = threading.Thread(target=lambda: transfer(-1))
threads.append(t1)
t2 = threading.Thread(target=lambda: transfer(1))
threads.append(t2)
for t in threads:
t.start()
for t in threads:
t.join()
print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)这是某一次运行结果（不保证每次acount的数值一样）：
我们看到dict还是扛不住多个线程反复的写操作。
这里区别是：每个线程只对xuewei_account进行大量读写，虽然dict是安全的，但是多个线程中间穿插修改了account，程序方法栈出现操作到旧值（看下面的图）。
主要是下面这段代码：
xuewei_account[‘amount'] += money # 即是 xuewei_account[‘amount'] = xuewei_account[‘amount']+ money
再一步抽象简化可以写成：
a = a + b
每个线程都执行 +b 操作，最后a的值应该是a+2b。
上面的操作意味这下面的情况发生了：
在某个线程中可能出现某一个线程T1获取了a值 ，准备加上b。
另外一个线程T2已经完成了a+b操作，把a的值变成了a+b了。
但是接下来T1 拿了a的值再执行a+b操作，把a的值变成a+b。
这样就少加了一个b，本来最后结果是a+2b 的变成了 a+b（因为T1拿了a的旧值，中间T2执行完，T1才继续执行）
当然实际多线程之间交互比上图还要随机。
三、如何做到真正线程安全？
dict读取数据是线程安全，但是被反复读写就容易出现数据混乱。
如果我们要设计一个线程安全的函数，那么它必须不涉及任何共享变量或者是完全没有状态依赖的函数
def thread_safe_method(): pass
1.无状态函数
比如下面的加法函数，不管多少个线程调用，返回值永远是预期的a+b。
def add(a, b): return a + b
2.另一种 化繁为简
许我们可以把多线程转换为单线程，这个需要一个线程安全的媒介。
到此这篇关于Python线程之认识线程安全 的文章就介绍到这了,更多相关认识Python线程安全 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python计算一个序列的平均值的方法,涉及Python递归遍历与数学计算的相关技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
DRF常用功能的案例基本用法都有讲解，关于限流（Throttling）这个功能其实在真实的业务场景中能真正用到的其实不算多。今天说这个话题其实一方面是讨论功能，另一方面也是希望换个角度去审视我们的开发过程，希望大家可以在使用DRF功能的同时，也了解一下功能背后的实现2021-06-06
这篇文章主要介绍了Python创建模块及模块导入的方法,实例分析了模块的定义、导入及模块属性的使用技巧,并附带说明了包的概念与用法,需要的朋友可以参考下2015-05-05
Python实用技巧之列表、字典、集合中根据条件筛选数据详解
这篇文章主要给大家介绍了关于Python技巧之在列表、字典、集合中根据条件筛选数据的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面来一起看看吧2018-07-07
本文将介绍如何使用Python解析Laravel Cookie，以便在Web开发中处理这些Cookie数据，我们将深入了解Cookie的结构，以及如何在Python中对其进行解析和操作2023-12-12
Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据。今天通过本文给大家分享python beautiful soup库入门教程，需要的朋友参考下吧2021-08-08
字典中有成对出现的键和值,但是字典中的键值对不是都能修改的,只有值才能修改,下面这篇文章主要给大家介绍了关于Python交换字典键值对的四种方法,需要的朋友可以参考下2022-12-12
今天小编就为大家分享一篇对Python w和w+权限的区别详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
在Anaconda中,可以使用conda命令来创建和管理虚拟环境,本文主要介绍了anaconda中Conda创建虚拟环境的实现步骤,具有一定的参考价值,感兴趣的可以了解一下2023-12-12
python-opencv-cv2.threshold()二值化函数的使用
这篇文章主要介绍了python-opencv-cv2.threshold()二值化函数的使用，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-11-11
最新评论