Python多线程学习(二、线程的同步)

 假设两个线程对象t1和t2都要对num=0进行增1运算，t1和t2都各对num修改10次，num的最终的结果应该为20。但是由于是多线程访问，有可能出现下面情况：在num=0时，t1取得num=0。系统此时把t1调度为”sleeping”状态，把t2转换为”running”状态，t2页获得num=0。然后t2对得到的值进行加1并赋给num，使得num=1。然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给num。这样，明明t1和t2都完成了1次加1工作，但结果仍然是num=1。

    上面的case描述了多线程情况下最常见的问题之一：数据共享。当多个线程都要去修改某一个共享数据的时候，我们需要对数据访问进行同步。

1、  简单的同步

最简单的同步机制就是“锁”。锁对象由threading.RLock类创建。线程可以使用锁的acquire()方法获得锁，这样锁就进入“locked”状态。每次只有一个线程可以获得锁。如果当另一个线程试图获得这个锁的时候，就会被系统变为“blocked”状态，直到那个拥有锁的线程调用锁的release()方法来释放锁，这样锁就会进入“unlocked”状态。“blocked”状态的线程就会收到一个通知，并有权利获得锁。如果多个线程处于“blocked”状态，所有线程都会先解除“blocked”状态，然后系统选择一个线程来获得锁，其他的线程继续沉默（“blocked”）。

Python中的thread模块和Lock对象是Python提供的低级线程控制工具，使用起来非常简单。如下例所示：

view plaincopy to clipboardprint?

1. import thread  
2. import time  
3. mylock = thread.allocate_lock()  #Allocate a lock  
4. num=0  #Shared resource  
5.   
6. def add_num(name):  
7.     global num  
8.     while True:  
9.         mylock.acquire() #Get the lock   
10.         # Do something to the shared resource  
11.         print 'Thread %s locked! num=%s'%(name,str(num))  
12.         if num >= 5:  
13.             print 'Thread %s released! num=%s'%(name,str(num))  
14.             mylock.release()  
15.             thread.exit_thread()  
16.         num+=1  
17.         print 'Thread %s released! num=%s'%(name,str(num))  
18.         mylock.release()  #Release the lock.  
19.   
20. def test():  
21.     thread.start_new_thread(add_num, ('A',))  
22.     thread.start_new_thread(add_num, ('B',))  
23.   
24. if __name__== '__main__':  
25.     test()  

 

Python 在thread的基础上还提供了一个高级的线程控制库，就是之前提到过的threading。Python的threading module是在建立在thread module基础之上的一个module，在threading module中，暴露了许多thread module中的属性。在thread module中，python提供了用户级的线程同步工具“Lock”对象。而在threading module中，python又提供了Lock对象的变种: RLock对象。RLock对象内部维护着一个Lock对象，它是一种可重入的对象。对于Lock对象而言，如果一个线程连续两次进行acquire操作，那么由于第一次acquire之后没有release，第二次acquire将挂起线程。这会导致Lock对象永远不会release，使得线程死锁。RLock对象允许一个线程多次对其进行acquire操作，因为在其内部通过一个counter变量维护着线程acquire的次数。而且每一次的acquire操作必须有一个release操作与之对应，在所有的release操作完成之后，别的线程才能申请该RLock对象。

下面来看看如何使用threading的RLock对象实现同步。

view plaincopy to clipboardprint?

1. import threading  
2. mylock = threading.RLock()  
3. num=0  
4.    
5. class myThread(threading.Thread):  
6.     def __init__(self, name):  
7.         threading.Thread.__init__(self)  
8.         self.t_name = name  
9.           
10.     def run(self):  
11.         global num  
12.         while True:  
13.             mylock.acquire()  
14.             print '/nThread(%s) locked, Number: %d'%(self.t_name, num)  
15.             if num>=4:  
16.                 mylock.release()  
17.                 print '/nThread(%s) released, Number: %d'%(self.t_name, num)  
18.                 break  
19.             num+=1  
20.             print '/nThread(%s) released, Number: %d'%(self.t_name, num)  
21.             mylock.release()  
22.               
23. def test():  
24.     thread1 = myThread('A')  
25.     thread2 = myThread('B')  
26.     thread1.start()  
27.     thread2.start()  
28.    
29. if __name__== '__main__':  
30.     test()  

 

我们把修改共享数据的代码成为“临界区”。必须将所有“临界区”都封闭在同一个锁对象的acquire和release之间。

2、  条件同步

锁只能提供最基本的同步。假如只在发生某些事件时才访问一个“临界区”，这时需要使用条件变量Condition。

Condition对象是对Lock对象的包装，在创建Condition对象时，其构造函数需要一个Lock对象作为参数，如果没有这个Lock对象参数，Condition将在内部自行创建一个Rlock对象。在Condition对象上，当然也可以调用acquire和release操作，因为内部的Lock对象本身就支持这些操作。但是Condition的价值在于其提供的wait和notify的语义。

条件变量是如何工作的呢？首先一个线程成功获得一个条件变量后，调用此条件变量的wait()方法会导致这个线程释放这个锁，并进入“blocked”状态，直到另一个线程调用同一个条件变量的notify()方法来唤醒那个进入“blocked”状态的线程。如果调用这个条件变量的notifyAll()方法的话就会唤醒所有的在等待的线程。

如果程序或者线程永远处于“blocked”状态的话，就会发生死锁。所以如果使用了锁、条件变量等同步机制的话，一定要注意仔细检查，防止死锁情况的发生。对于可能产生异常的临界区要使用异常处理机制中的finally子句来保证释放锁。等待一个条件变量的线程必须用notify()方法显式的唤醒，否则就永远沉默。保证每一个wait()方法调用都有一个相对应的notify()调用，当然也可以调用notifyAll()方法以防万一。