Python多线程使用(二)

使用多个线程的时候容易遇到一个场景：多个线程处理一份数据

使用多线程的时候同时处理一份数据，在threading中提供了一个方法：线程锁

Demo：下订单

现在有多笔订单下单，库存减少

from threading import Thread
from time import sleepstore= {'inventory' : 100
}
# 定义一个函数，作为新线程执行的入口函数
def deposit(theadidx,orderNum):balance =  store['inventory']# 执行减少库存操作，耗费了0.1秒sleep(0.1)store['inventory']  = balance - orderNumprint(f'子线程 {theadidx} 结束')theadlist = []
for idx in range(10):thread = Thread(target = deposit,args = (idx,1))thread.start()# 把线程对象都存储到 threadlist中theadlist.append(thread)for thread in theadlist:thread.join()print('主线程结束')
print(f'最后我们的库存为 {store["inventory"]}')'''
子线程 6 结束
子线程 1 结束
子线程 7 结束
子线程 0 结束
子线程 8 结束
子线程 9 结束
子线程 5 结束
子线程 4 结束
子线程 3 结束
子线程 2 结束
主线程结束
最后我们的库存为 99Process finished with exit code 0
'''

当十个用户下完订单后,对应的库存没有从100-10=90,而是变成了99

实际减少数量和库存应减对不上

会导致每一个线程组都刷新一次余额，所有的线程没有累计起来数据共享库存数
所以需要在线程执行前，将原始数据锁起来，执行线程内容，结束后释放
使用acquire()方法上锁
使用release()方法解锁

修改后的Demo：

在原来的deposit方法上添加一个上锁解锁的操作，从而达到线程执行时，同数据源(库存数量)不会被其他线程执行所影响

from threading import Thread, Lock
from time import sleepstore = {'inventory': 100
}
sk = Lock()# 定义一个函数，作为新线程执行的入口函数
def deposit(theadidx, orderNum):sk.acquire()  # 上锁 解库存balance = store['inventory']# 执行减少库存操作，耗费了0.1秒sleep(0.1)store['inventory'] = balance - orderNumprint(f'子线程 {theadidx} 结束')sk.release()  # 解锁 theadlist = []
for idx in range(10):thread = Thread(target=deposit,args=(idx, 1))thread.start()# 把线程对象都存储到 threadlist中theadlist.append(thread)for thread in theadlist:thread.join()print('主线程结束')
print(f'最后我们的库存为 {store["inventory"]}')
"""
子线程 0 结束
子线程 1 结束
子线程 2 结束
子线程 3 结束
子线程 4 结束
子线程 5 结束
子线程 6 结束
子线程 7 结束
子线程 8 结束
子线程 9 结束
主线程结束
最后我们的库存为 90Process finished with exit code 0"""

写在最后

线程上锁的好处:

        确保了某个方法/类方法(这里为deposit方法)只能由一个线程从头到尾完整地执行

坏处:

        上锁的时候需要在操作后及时的解锁,可能会导致死锁发生

注意:

        使用acquire()方法上锁后一定要使用release()方法去解锁