python多线程编程: 使用互斥锁同步线程

#!/usr/bin/env python# -*- coding: utf-8 -*-import time, threading# 假定这是你的银行存款:balance = 0muxlock = threading.Lock()def change_it(n):    # 先存后取，结果应该为0:    global balance    balance = balance + n    balance = balance - ndef run_thread(n):    # 循环次数一旦多起来，最后的数字就变成非0    for i in range(100000):        change_it(n)t1 = threading.Thread(target=run_thread, args=(5,))t2 = threading.Thread(target=run_thread, args=(8,))t3 = threading.Thread(target=run_thread, args=(9,))t1.start()t2.start()t3.start()t1.join()t2.join()t3.join()print balance

结果 :

[/data/web/test_python]$ python multhread_threading.py0[/data/web/test_python]$ python multhread_threading.py61[/data/web/test_python]$ python multhread_threading.py0[/data/web/test_python]$ python multhread_threading.py24

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。

threading模块中定义了Lock类，可以方便的处理锁定：

#创建锁mutex = threading.Lock()#锁定mutex.acquire([timeout])#释放mutex.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：

balance = 0muxlock = threading.Lock()def change_it(n):    # 获取锁，确保只有一个线程操作这个数    muxlock.acquire()    global balance    balance = balance + n    balance = balance - n   # 释放锁，给其他被阻塞的线程继续操作    muxlock.release()def run_thread(n):    for i in range(10000):        change_it(n)

加锁后的结果，就能确保数据正确：

[/data/web/test_python]$ python multhread_threading.py0[/data/web/test_python]$ python multhread_threading.py0[/data/web/test_python]$ python multhread_threading.py0[/data/web/test_python]$ python multhread_threading.py0