Python基础篇 - 多线程-互斥锁

在之前的文章Python基础篇 - 多线程-线程的创建中，我们认识了多线程的创建；在Python基础篇 - 多线程-线程池中，我们学习了线程池的创建。

  我们知道多线程最大的特点就是：共享全局变量数据，而这个特点会导致线程的安全问题，会导致数据错乱、数据丢失、计算结果错误。想要解决线程争抢资源的问题，就得了解互斥锁。

一.多线程-数据安全问题

多线程会争抢资源，这会导致数据结果的错乱，如下面的代码演示：理论上计算，3个线程共累加15次，那这个程序执行完成后的结果是g_num=15，但是事实并非如此。

  这是因为在修改 g_num 前，有0.1秒的模拟时长，某个线程延时后，CPU立即分配计算资源给其他线程。此时0.1秒的休眠还未结束，这个线程还未将修改后的数据赋值给 g_num，因此其他线程获取到的并不是最新值，所以才出现上面的结果。

import timeimport threading# 定义任务函数def func():    global g_num # 修改全局变量    for _ in range(5):        t = g_num + 1        time.sleep(0.1)  # 模拟任务执行时长        g_num = t        print(f"{threading.current_thread().name}: {g_num}\n", end="")if __name__ == "__main__":    g_num = 0 # 全局变量    # 创建多线程-3个线程    threads = [threading.Thread(target=func, name=f"线程{i}") for i in range(3)]    # 多线程执行任务    [t.start() for t in threads]    [t.join() for t in threads]    print(g_num)  

二. 互斥锁

为了解决这个问题，当某个线程要更改共享数据时，先将其锁定，此时其他线程不能更改。直到该线程释放资源，其他的线程才能再次锁定该资源。互斥锁保证了同一时间只有一个线程进行操作，防止多个线程争抢资源，从而保证了多线程情况下数据的正确性。

  固定用法：

1.lock = threading.Lock()，创建锁

 2.lock.acquire() ，加锁（占用资源）

 3.lock.release() ，解锁（释放资源）

import timeimport threading# 任务函数def func():    global g_num    for _ in range(5):        lock.acquire()  # 获取锁        t = g_num + 1        time.sleep(0.1)        g_num = t        lock.release()  # 释放锁        print(f"{threading.current_thread().name}: {g_num}\n", end="")if __name__ == "__main__":    g_num = 0 # 全局变量    lock = threading.Lock()  # 创建锁    threads = [threading.Thread(target=func, name=f"线程{i}") for i in range(3)]    [t.start() for t in threads]    [t.join() for t in threads]    print(g_num)  # 15

这个程序执行完成之后，得到的是最终期望结果g_num=15。但是需要特别注意两个点。

  1. 上锁了，但是忘记了解锁：这会造成线程永久阻塞、程序卡死（死锁）。

  2. 锁加在循环外面的情况：所有代码一次性锁住，多线程直接变单线程，失去并发意义。当锁加循环外面，那只能等一个线程执行5遍任务，第二个线程才能进来执行任务，以此类推就是单线程任务。但是，锁加在循环里面，在一个线程执行任务耗时结束后，第二个线程就可以参与任务，不会导致一个线程循环跑5次的结果。