接着上篇多线程继续讲，上篇最后的多线程共享全局变量对变量的处置值失足在本文中给出解决方案。
泛起这个情形的原因是在python注释器中GIL全局注释器锁。
GIL:全局注释器锁，每个线程在执行的历程都需要先获取GIL，保证统一时刻只有一个线程而已执行代码
线程释放GIL锁的情形：在IO操作等呃能会引起壅闭的system call之前，可以暂时释放GIL
但在执行完毕后，必须重新获取GIL， Python3中使用计时器(执行时间打到阀值后，当前线程释放GIL)
python使用多线程是并发 可以使用多线程行使多核的CPU资源
cpu密集型：也成为盘算密集型，义务的特点是要举行大量的盘算，消耗cpu资源，好比盘算圆周率、对视频举行高清解码等等
全靠cpu的运算能力 这个时刻单线程快
io密集型：涉及到网络、磁盘IO的义务都是IO密集型义务，这类义务的特点是CPU消耗很少，义务的大部分时间都在守候IO操作完成，由于 IO的速率远远低于CPU和内存的速率 这个时刻多线程快。
那么若何解决多线程共享全局变量数据错误的问题呢，引入锁。
importthreading
a= 100
deffunc1():globalafor i in range(1000000):
meta.acquire()#上锁
a += 1meta.release()#释放锁
print(a)deffunc2():globalafor i in range(1000000):
meta.acquire()
a+= 1meta.release()print(a)#建立锁
meta =threading.Lock()
t1= threading.Thread(target=func1)
t2= threading.Thread(target=func2)
t1.start()
t2.start()
t1.join()
t2.join()print(a)
至于锁的原理在下方大略的画一张草图以供参考
使用锁让每个线程有序的切换执行，不会泛起数据杂乱。
但是在使用锁的时刻要注意不要写出死锁代码，附死锁代码参考，总结一句就是相互持有对方线程所需要的锁，造成死锁
importthreading
a= 100
deffunc1():globalafor i in range(1000000):
meta_A.acquire()#上锁
meta_B.acquire() #上多把锁 产生了死锁 看下面代码
print('-------------1')
a+= 1meta_B.release()
meta_A.release()#释放锁
print(a)deffunc2():globalafor i in range(1000000):
meta_B.acquire()
meta_A.acquire()print('------------2')
a+= 1meta_A.release()
meta_B.release()print(a)#建立锁
meta_A =threading.Lock()
meta_B=threading.Lock()
t1= threading.Thread(target=func1)
t2= threading.Thread(target=func2)
t1.start()
t2.start()
今天就写到这里，下一篇写一下行列
原文链接：https://www.cnblogs.com/congyiwei/p/12677359.html
本站声明:网站内容来源于网络,若有侵权,请联系我们,我们将及时处置。