目录
- 一、多线程共享全局变量
- 二、给线程加一把锁锁
- 三、死锁问题
- 总结
一、多线程共享全局变量
代码实现的功能：
创建work01与worker02函数，对全局变量进行加一操作创建main函数，生成两个线程，同时调用两个函数
代码如下：
import threading
result = 0 # 定义全局变量result
def work1(num):
global result
for i in range(num):
result += 1
print('------from work1-------', result)
def work2(num):
global result
for i in range(num):
result += 1
print('------from work2-------', result)
def main():
print('--------begin--------', result)
# 创建两个线程
t1 = threading.thread(target=work1, args=(1000,))
t2 = threading.thread(target=work1, args=(1000,))
t1.start()
t2.start()
if __name__ == '__main__':
main()
运行结果：
--------begin---------- 0 ------from work1------- 1000 ------from work1------- 2000
两个线程之间共享了全局变量result，但是当我们把range的数值调大一些，
t1 = threading.thread(target=work1, args=(1000000,))
t2 = threading.thread(target=work1, args=(1000000,))
我们再来看一下结果，这是为什么呢，我们往下看一下结果：
--------begin---------- 0 ------from work1------- 1358452 ------from work1------- 1696352
总结：
在一个进程内的所有线程共享全局变量，很方便在多个线程间共享数据
缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全）
二、给线程加一把锁锁
假如当前 g_num 值是100，当线程1执行第一步时，cpu通过计算获得结果101，并准备把计算的结果101赋值给g_num，然后再传值的过程中，线程2突然开始执行了并且执行了第一步，此时g_num的值仍未100，101还在传递的过程中，还没成功赋值，线程2获得计算结果101，并准备传递给g_num,经过一来一去这么一折腾，分明做了两次加 1 操作，g_num结果却是101，误差就由此产生，往往循环次数越多，产生的误差就越大，此时我们可以加一把锁。
acquire() — 锁定资源，此时资源是锁定状态，其他线程无法修改锁定的资源，直到等待锁定的资源释放之后才能操作；
release() — 释放资源，也称为解锁操作，对锁定的资源解锁，解锁之后其他线程可以对资源正常操作;
以上面的代码为列子：想得到正确的结果，可以直接利用互斥锁在全局变量 加1 之前 锁定资源，然后在计算完成之后释放资源，这样就是一个完整的计算过程，至于应该是哪个线程先执行，无所谓，先到先得，凭本事说话….演示代码如下：
# 开发时间：2022-01-27 12:59
import threading
result = 0 # 定义全局变量result
mutex = threading.lock()
def work1(num):
global result
mutex.acquire()
for i in range(num):
result += 1
print('------from work1-------', result)
mutex.release()
def work2(num):
global result
mutex.acquire()
for i in range(num):
result += 1
print('------from work2-------', result)
mutex.release()
def main():
print('--------begin----------', result)
# 创建两个线程
t1 = threading.thread(target=work1, args=(100000000,))
t2 = threading.thread(target=work1, args=(100000000,))
t1.start()
t2.start()
if __name__ == '__main__':
main()
我们来看一下结果：
--------begin---------- 0 ------from work1------- 100000000 ------from work1------- 200000000
三、死锁问题
1.单个互斥锁的死锁：
acquire()/release() 是成对出现的，互斥锁对资源锁定之后就一定要解锁，否则资源会一直处于锁定状态，其他线程无法修改；就好比上面的代码，任何一个线程没有释放资源release()，程序就会一直处于阻塞状态(在等待资源被释放)，不信你可以试一试~
2.多个互斥锁的死锁：
在同时操作多个互斥锁的时候一定要格外小心，因为一不小心就容易进入死循环，假如有这样一个场景：boss让程序员一实现功能一的开发，让程序员二实现功能二的开发，功能开发完成之后一起整合代码！
# 导入线程threading模块
import threading
# 导入线程time模块
import time
# 创建互斥锁
mutex_one = threading.lock()
mutex_two = threading.lock()
def programmer_thread1():
mutex_one.acquire()
print("我是程序员1，module1开发正式开始，程序一加锁，程序二加锁")
time.sleep(2)
# 此时会堵塞，因为这个mutex_two已经被线程programmer_thread2抢先上锁了,等待解锁
mutex_two.acquire()
print("等待程序员2通知我合并代码")
mutex_two.release()
print('程序员2开发完了，程序员1释放第二把锁')
mutex_one.release()
print('程序员1开发完了，程序员1释放第一把锁')
def programmer_thread2():
mutex_two.acquire()
print("我是程序员2，module2开发正式开始，程序二加锁，程序一加锁")
time.sleep(2)
# 此时会堵塞，因为这个mutex_one已经被线程programmer_thread1抢先上锁了,等待解锁
#mutex_two.release()
mutex_one.acquire()
print("等待程序员1通知我合并代码")
mutex_one.release()
print('程序员2释放第一把锁')
# mutex_two.release()
print('程序员2释放第二把锁')
def main():
t1 = threading.thread(target=programmer_thread1)
t2 = threading.thread(target=programmer_thread2)
# 启动线程
t1.start()
t2.start()
# 阻塞函数，等待线程结束
t1.join()
t2.join()
# 整合代码结束
print("整合代码结束 ")
if __name__ == "__main__":
main()
分析下上面代码：程序员1在等程序员2通知，程序员2在等程序员1通知，两个线程都陷入阻塞中，因为两个线程都在等待对方解锁，这就是死锁！所以在开发中对于死锁的问题还是需要多多注意！
总结
到此这篇关于python多线程互斥锁与死锁问题详解的文章就介绍到这了,更多相关python互斥锁与死锁内容请搜索www.887551.com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www.887551.com！
