Python多线程编程———互斥锁

每个线程互相独立，相互之间没有任何关系。现在假设这样一个例子：有一个全局的计数num，每个线程获取这个全局的计数，根据num进行一些处理，然后将num加1。很容易写出这样的代码：

import threading

num = 0  # 全局变量
def work1(number):
    global num
    for i in range(number):
        num += 1
    print('此时num的值为',num)


def work2(number):
    global num
    for i in range(number):
        num += 1
    print('此时num的值为',num)


if __name__ == '__main__':

    t1 = threading.Thread(target=work1,args=(100000000,))
    t2 = threading.Thread(target=work1,args=(100000000,))

    t1.start()
    t2.start()

但是运行的结果是不正确的

此时num的值为 120695156
此时num的值为 121172235

问题产生的原因就是没有控制多个线程对同一资源的访问，对数据造成破坏，使得线程运行的结果不可预期。这种现象称为“线程不安全”。

互斥锁同步

---

上面的例子引出了多线程编程的最常见问题：数据共享。当多个线程都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。某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

#创建锁
lock = threading.Lock()
#锁定
lock.acquire(timeout = 100)  # 防止死锁 
#释放
lock.release()

其中，锁定方法acquire可以有一个超时时间的可选参数timeout。如果设定了timeout，则在超时后通过返回值可以判断是否得到了锁，从而可以进行一些其他的处理。

使用互斥锁实现上面的例子的代码如下：

`import threading

num = 0  # 全局变量
def work1(number):
    lock.acquire(timeout=100)
    global num
    for i in range(number):
        num += 1
    print('此时num的值为',num)
    lock.release()


def work2(number):
    lock.acquire(timeout=100)
    global num
    for i in range(number):
        num += 1
    print('此时num的值为',num)
    lock.release()

lock = threading.Lock()
if __name__ == '__main__':

    t1 = threading.Thread(target=work1,args=(100000000,))
    t2 = threading.Thread(target=work1,args=(100000000,))

    t1.start()
    t2.start()

运行结果

此时num的值为 100000000
此时num的值为 200000000

可以看到，加入互斥锁后，运行结果与预期相符。

同步阻塞

当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“同步阻塞”。

直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入“unlocked”状态。线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态。