Python線程之同步機(jī)制實(shí)際應(yīng)用場(chǎng)景舉例說明

更新時(shí)間：2022年02月24日 10:04:32 作者：雷學(xué)委

這篇文章主要給大家分享的是Python線程之同步機(jī)制實(shí)際應(yīng)用場(chǎng)景舉例說明，銀行轉(zhuǎn)賬小栗子供大家參考學(xué)習(xí)，希望對(duì)你有一定的幫助

一、舉例銀行轉(zhuǎn)賬

假設(shè)現(xiàn)在有一個(gè)xuewei的賬號(hào)里面有 100W。

然后有多個(gè)任務(wù)在轉(zhuǎn)賬，轉(zhuǎn)入轉(zhuǎn)出都是跟這個(gè)xuewei賬號(hào)相關(guān)的。

而且這些任務(wù)發(fā)生是隨機(jī)的。

我們先把上面的場(chǎng)景寫成代碼：

xuewei_account = 100


# amount為負(fù)數(shù)即是轉(zhuǎn)出金額
def transfer(money):
? ? global xuewei_account
? ? xuewei_account += money

下面是多個(gè)線程，多線程模擬轉(zhuǎn)賬事件，我們假設(shè)有4個(gè)事件在同時(shí)發(fā)生。

import random
import threading
import datetime
import time

xuewei_account = 100


# amount為負(fù)數(shù)即是轉(zhuǎn)出金額
def transfer(money):
? ? global xuewei_account
? ? xuewei_account += money


# 創(chuàng)建4個(gè)任務(wù)給學(xué)委賬戶轉(zhuǎn)賬
for i in range(10000):
? ? threading.Thread(target=lambda: transfer(-1)).start()
? ? threading.Thread(target=lambda: transfer(1)).start()
? ? threading.Thread(target=lambda: transfer(-1)).start()
? ? threading.Thread(target=lambda: transfer(1)).start()

# 等待活躍線程只剩下主線程MainThread
time.sleep(10)
print("-" * 16)
print("活躍線程數(shù):", threading.active_count())
print("活躍線程:", threading.current_thread().name)
print("學(xué)委賬戶余額：", xuewei_account)

這里啟動(dòng)了4個(gè)線程循環(huán)了10000次，也就是4萬個(gè)線程，分別于學(xué)委的賬戶進(jìn)行轉(zhuǎn)賬。

下面是運(yùn)行結(jié)果：

運(yùn)行幾次學(xué)委的賬戶還是正確的，余額還是100W。

上面的代碼線程幾萬個(gè)，但每次運(yùn)行的操作都很簡(jiǎn)單，完成一次加法。

線程一個(gè)接一個(gè)start，非?？焖倬颓袚Q下一個(gè)線程，我們看到程序沒有出現(xiàn)問題。

下面進(jìn)行改造，這次不要就4萬線程了，我們讓轉(zhuǎn)賬這個(gè)任務(wù)耗時(shí)更多，每啟動(dòng)一個(gè)線程進(jìn)行模擬10萬次轉(zhuǎn)賬。

import random
import threading
import datetime
import time

xuewei_account = 100


# amount為負(fù)數(shù)即是轉(zhuǎn)出金額
def transfer(money):
? ? global xuewei_account
? ? for x in range(100000):
? ? ? ? xuewei_account += money

創(chuàng)建4個(gè)任務(wù)給重復(fù)學(xué)委賬戶轉(zhuǎn)賬：

for i in range(10):
? ? threading.Thread(target=lambda: transfer(-1)).start()
? ? threading.Thread(target=lambda: transfer(1)).start()
? ? threading.Thread(target=lambda: transfer(-1)).start()
? ? threading.Thread(target=lambda: transfer(1)).start()

time.sleep(10)
print("-" * 16)
print("活躍線程數(shù):", threading.active_count())
print("活躍線程:", threading.current_thread().name)
print("學(xué)委賬戶余額：", xuewei_account)

這里運(yùn)行的結(jié)果就比較出乎意料了：

多線程編程復(fù)雜的地方就在這里了, 有時(shí)候明明平平無奇的代碼，改造成多線程，就很容易出bug！

當(dāng)然上面的代碼并不是平平無奇，相比第一段代碼，上面的轉(zhuǎn)賬函數(shù)做的事件更多，更耗時(shí)。

二、問題解決

我們加上鎖。

代碼如下：

import random
import threading
import datetime
import time

xuewei_account = 100

lock = threading.Lock()
# amount為負(fù)數(shù)即是轉(zhuǎn)出金額
def transfer(money):
? ? lock.acquire()
? ? global xuewei_account
? ? for x in range(100000):
? ? ? ? xuewei_account += money
? ? lock.release()


# 創(chuàng)建4個(gè)任務(wù)給重復(fù)學(xué)委賬戶轉(zhuǎn)賬
for i in range(10):
? ? threading.Thread(target=lambda: transfer(-1)).start()
? ? threading.Thread(target=lambda: transfer(1)).start()
? ? threading.Thread(target=lambda: transfer(-1)).start()
? ? threading.Thread(target=lambda: transfer(1)).start()

time.sleep(10)
print("-" * 16)
print("活躍線程數(shù):", threading.active_count())
print("活躍線程:", threading.current_thread().name)
print("學(xué)委賬戶余額：", xuewei_account)

運(yùn)行結(jié)果如下：

上面的代碼不管怎么運(yùn)行，運(yùn)行多少次最后學(xué)委的賬戶都是100.（PS：學(xué)委不會(huì)聯(lián)系讀者轉(zhuǎn)賬的，這個(gè)特別注意）。

不管多少個(gè)線程，每次轉(zhuǎn)賬函數(shù)內(nèi)部轉(zhuǎn)賬的代碼（從global到 += money這一段代碼）只會(huì)被一個(gè)線程調(diào)用。

三、總結(jié)

展示了同步機(jī)制解決一些編程問題的思路。讀者可以多多借鑒，思考鎖的應(yīng)用。

為什么在對(duì)amount重度操作（本文第二段代碼）的時(shí)候，計(jì)算就出錯(cuò)了！

這里amount相當(dāng)于多線程都在操作的變量，也就是共享變量，多線程編程要特別注意這類變量，避免出現(xiàn)對(duì)共享變量的操作，有些程序在并發(fā)規(guī)模很小的時(shí)候一點(diǎn)問題也沒有。

并發(fā)編程是高度利用CPU計(jì)算能力的編程方式，并發(fā)程序也就是在并行執(zhí)行同類任務(wù)的程序。這個(gè)可以跟單線程應(yīng)用比較。

到此這篇關(guān)于Python線程之同步機(jī)制實(shí)際應(yīng)用場(chǎng)景舉例說明的文章就介紹到這了,更多相關(guān)Python線程同步機(jī)制內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: