python高级编程—

锁

在使用用的过程中需要导入threading模块的Lock类

使用锁：

　　当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制

　　线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。

　　互斥锁为资源引入一个状态：锁定/非锁定。

锁的语法

　　创建锁、锁定锁、释放锁

from threading import Lock

# 创建锁

mutex = Lock()

# 获取锁（上锁）

mutex.acquire()

# 释放锁（解锁）

mutex.release()

　　在锁定锁的过程中acquire()方法可以接受一个blocking参数，

　　　　如果设定blocking为True，则当前线程会堵塞，直到获取到这个锁为止（如果没有指定，那么默认为True）

　　　　如果设定blocking为False，则当前线程不会堵塞

　　上锁和解锁的过程（假设是多线程调度）：

　　　　这个锁一般是为共享资源服务的，即多个线程同时使用共享资源。这个锁同一时间只能有一个线程调度，其他线程阻塞，只有当前调度的线程释放这个锁，阻塞的线程才能调度。

　　锁的优点：

　　　　确保了某段关键代码只能有一个线程从头到尾完整的执行。

　　锁的缺点：

　　　　组织了多线程的并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大的降低了；代码中可能存在多个锁，如果多个线程拥有多个锁，容易造成死锁。

　　死锁的现象（实例）：

# 死锁 两者都没有释放对方需要的锁，而释放的条件恰好是获取对方释放所需要的锁

# 线程1

class MyThread1(threading.Thread):

    def __init__(self):

        super().__init__()

    def run(self):

        # 线程1获取A锁

        if mutexA.acquire():

            print(self.name+"-----do1---up-----")

            sleep(1)

            # 此时线程2获取了B锁，需要等待线程2释放B锁

            if mutexB.acquire():

                print(self.name + "-----do1---down-----")

                mutexB.release()

            mutexA.release()

# 线程2

class MyThread2(threading.Thread):

    def __init__(self):

        super().__init__()

    def run(self):

        # 线程2获取B锁

        if mutexB.acquire():

            print(self.name + "-----do2---up-----")

            sleep(1)

            # 此时线程1获取了A锁，需要等待线程1释放A锁

            if mutexA.acquire():

                print(self.name + "-----do2---down-----")

                mutexA.release()

            mutexB.release()

mutexA = threading.Lock()

mutexB = threading.Lock()

if __name__ == '__main__':

    # 线程1和线程2同时执行

    t1 = MyThread1()

    t2 = MyThread2()

    t1.start()

    t2.start()

　　避免死锁的方法：银行家算法

多进程与多线程比较及选择

是否采用多任务处理，取决于我们的任务类型

如果是计算密集型，需要大量的CPU资源进行运算，代码的运行效率至关重要，这样的任务一般不使用多线程进行，因为频繁的任务调度会拖慢CPU的
运算。

如果是IO密集型，涉及到硬盘读写，网络读写等的任务，更多的时间在等待 IO操作完成，这一类任务可以放到多线程或多进程中来进行。

单线程、多线程、多进程（一起实现同一代码的时间）

# 单线程、多线程、多进程的使用及不同

# 简单的求和

def fib(x):

    res = 0

    for i in range(100000000):

        res += i*x

    return res

# 阶乘

def fac(x):

    if x < 2:

        return 1

    return x*fac(x-1)

# 简单的求和

def sum(x):

    res = 0

    for i in range(50000000):

        res += i*x

    return res

# 函数列表

funcs = [fib, fac, sum]

n = 100

class MyThread(threading.Thread):

    def __init__(self, func, args, name=""):

        super().__init__()

        self.name = name

        self.func = func

        self.args = args

        self.res = 0

    def getResult(self):

        return self.res

    def run(self):

        print("starting ", self.name, " at: ", ctime())

        self.res = self.func(self.args)

        print(self.name, "finished at: ", ctime())

def main():

    nfuncs = range(len(funcs))

    print("单线程".center(30, "*"))

    start = time()

    for i in nfuncs:

        print("start {} at: {}".format(funcs[i].__name__, ctime()))

        start_task = time()

        print(funcs[i](n))

        end_task = time()

        print("任务 耗时：", end_task-start_task)

        print("{} finished at: {}".format(funcs[i].__name__, ctime()))

    end = time()

    print("单线程运行时间：", end-start)

    print("单线程结束：".center(30, "*"))

    print()

    print("多线程".center(30, "*"))

    start = time()

    threads = []

    for i in nfuncs:

        # 一个线程绑定一个函数

        t = MyThread(funcs[i], n, funcs[i].__name__)

        threads.append(t)

    for i in nfuncs:

        # 同时启动线程

        threads[i].start()

    for i in nfuncs:

        threads[i].join()

        print(threads[i].getResult())

    end = time()

    print("多线程运行时间：", end-start)

    print("多线程结束：".center(30, "*"))

    print()

    print("多进程".center(30, "*"))

    start = time()

    process_list = []

    for i in nfuncs:

        # 一个进程绑定一个函数

        t = Process(target=funcs[i], args=(n, ))

        process_list.append(t)

    for i in nfuncs:

        # 同时启动进程

        process_list[i].start()

    for i in nfuncs:

        process_list[i].join()

    end = time()

    print("多进程运行时间：", end - start)

    print("多进程结束：".center(30, "*"))

if __name__ == "__main__":

    main()

巴特西

python高级编程——锁

锁

使用锁：

锁的语法

多进程与多线程比较及选择

最新文章

热门文章