Python多线程实现同步的四种方式

Python  /  管理员 发布于 7年前   425

临界资源即那些一次只能被一个线程访问的资源，典型例子就是打印机，它一次只能被一个程序用来执行打印功能，因为不能多个线程同时操作，而访问这部分资源的代码通常称之为临界区。

锁机制

threading的Lock类，用该类的acquire函数进行加锁，用realease函数进行解锁

import threadingimport timeclass Num:  def __init__(self):    self.num = 0    self.lock = threading.Lock()  def add(self):    self.lock.acquire()#加锁，锁住相应的资源    self.num += 1    num = self.num    self.lock.release()#解锁，离开该资源    return numn = Num()class jdThread(threading.Thread):  def __init__(self,item):    threading.Thread.__init__(self)    self.item = item  def run(self):    time.sleep(2)    value = n.add()#将num加1，并输出原来的数据和+1之后的数据    print(self.item,value)for item in range(5):  t = jdThread(item)  t.start()  t.join()#使线程一个一个执行

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”（参见多线程的基本概念）。

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。

信号量

信号量也提供acquire方法和release方法，每当调用acquire方法的时候，如果内部计数器大于0，则将其减1，如果内部计数器等于0，则会阻塞该线程，知道有线程调用了release方法将内部计数器更新到大于1位置。

import threadingimport timeclass Num:  def __init__(self):    self.num = 0    self.sem = threading.Semaphore(value = 3)    #允许最多三个线程同时访问资源  def add(self):    self.sem.acquire()#内部计数器减1    self.num += 1    num = self.num    self.sem.release()#内部计数器加1    return numn = Num()class jdThread(threading.Thread):  def __init__(self,item):    threading.Thread.__init__(self)    self.item = item  def run(self):    time.sleep(2)    value = n.add()    print(self.item,value)for item in range(100):  t = jdThread(item)  t.start()  t.join()

条件判断

所谓条件变量，即这种机制是在满足了特定的条件后，线程才可以访问相关的数据。

它使用Condition类来完成，由于它也可以像锁机制那样用，所以它也有acquire方法和release方法，而且它还有wait，notify，notifyAll方法。

"""一个简单的生产消费者模型，通过条件变量的控制产品数量的增减，调用一次生产者产品就是+1，调用一次消费者产品就会-1.""""""使用 Condition 类来完成，由于它也可以像锁机制那样用，所以它也有 acquire 方法和 release 方法，而且它还有wait， notify， notifyAll 方法。"""import threadingimport queue,time,randomclass Goods:#产品类  def __init__(self):    self.count = 0  def add(self,num = 1):    self.count += num  def sub(self):    if self.count>=0:      self.count -= 1  def empty(self):    return self.count <= 0class Producer(threading.Thread):#生产者类  def __init__(self,condition,goods,sleeptime = 1):#sleeptime=1    threading.Thread.__init__(self)    self.cond = condition    self.goods = goods    self.sleeptime = sleeptime  def run(self):    cond = self.cond    goods = self.goods    while True:      cond.acquire()#锁住资源      goods.add()      print("产品数量:",goods.count,"生产者线程")      cond.notifyAll()#唤醒所有等待的线程--》其实就是唤醒消费者进程      cond.release()#解锁资源      time.sleep(self.sleeptime)class Consumer(threading.Thread):#消费者类  def __init__(self,condition,goods,sleeptime = 2):#sleeptime=2    threading.Thread.__init__(self)    self.cond = condition    self.goods = goods    self.sleeptime = sleeptime  def run(self):    cond = self.cond    goods = self.goods    while True:      time.sleep(self.sleeptime)      cond.acquire()#锁住资源      while goods.empty():#如无产品则让线程等待        cond.wait()      goods.sub()      print("产品数量:",goods.count,"消费者线程")      cond.release()#解锁资源g = Goods()c = threading.Condition()pro = Producer(c,g)pro.start()con = Consumer(c,g)con.start()

同步队列

put方法和task_done方法，queue有一个未完成任务数量num，put依次num+1，task依次num-1.任务都完成时任务结束。

import threadingimport queueimport timeimport random'''1.创建一个 Queue.Queue() 的实例，然后使用数据对它进行填充。2.将经过填充数据的实例传递给线程类，后者是通过继承 threading.Thread 的方式创建的。3.每次从队列中取出一个项目，并使用该线程中的数据和 run 方法以执行相应的工作。4.在完成这项工作之后，使用 queue.task_done() 函数向任务已经完成的队列发送一个信号。5.对队列执行 join 操作，实际上意味着等到队列为空，再退出主程序。'''class jdThread(threading.Thread):  def __init__(self,index,queue):    threading.Thread.__init__(self)    self.index = index    self.queue = queue  def run(self):    while True:      time.sleep(1)      item = self.queue.get()      if item is None:        break      print("序号：",self.index,"任务",item,"完成")      self.queue.task_done()#task_done方法使得未完成的任务数量-1q = queue.Queue(0)'''初始化函数接受一个数字来作为该队列的容量，如果传递的是一个小于等于0的数，那么默认会认为该队列的容量是无限的.'''for i in range(2):  jdThread(i,q).start()#两个线程同时完成任务for i in range(10):  q.put(i)#put方法使得未完成的任务数量+1

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。