Python多任务编程——线程之间共享变量

简介: 线程之间共享全局变量数据出错

问题:线程之间共享全局变量数据出错


importthreadingg_num=0deftask1():
foriinrange (1000000):
globalg_numg_num+=1print('TASK1:',g_num)
deftask2():
foriinrange (1000000):
globalg_numg_num+=1print('TASK2:',g_num)
if__name__=="__main__":
first=threading.Thread(target=task1)
second=threading.Thread(target=task2)
first.start()
second.start()

运行结果:

e884949cb94ee45ed85b86a86ed0eea9.png


理论上实现循环100万次,每循环一次给全局变量加1,最终的结果应该为2000000。实际上的结果为上图所示。


原因:


 两个线程同时对全局变量进行了操作,当线程1读取了全局变量的同时,线程2也读取了全局变量。在进行对变量操作的时候,读取的是原来的变量,并不是操作后的变量。因为线程1对变量操作后未提交,线程2读取的也是前一个变量值。

解决方法


使用进程同步,确保在同一时间内只有一个线程对数据进行操作。


1.使用join()方法


importthreadingg_num=0deftask1():
foriinrange (1000000):
globalg_numg_num+=1print('TASK1:',g_num)
deftask2():
foriinrange (1000000):
globalg_numg_num+=1print('TASK2:',g_num)
if__name__=="__main__":
first=threading.Thread(target=task1)
second=threading.Thread(target=task2)
first.start()
first.join()
second.start()

执行结果:


65ccb29683aa1e0042ae999bfbd0c5aa.png


原理:添加了first.join()线程等待在程序运行时,当first线程运行完成后才会开始运行second线程,确保了在同一时刻只有一个线程对变量进行操作。

线程同步: 一个任务执行完成以后另外一个任务才能执行,同一个时刻只有一个任务在执行。


2.互斥锁


importthreadingg_num=0#创建互斥锁 本质上是一个函数 通过LOCK=threading.Lock()
deftask1():
# 上锁LOCK.acquire()
foriinrange (1000000):
globalg_numg_num+=1print('TASK1:',g_num)
# 释放锁LOCK.release()
deftask2():
LOCK.acquire()
foriinrange (1000000):
globalg_numg_num+=1print('TASK2:',g_num)
LOCK.release()
if__name__=="__main__":
first=threading.Thread(target=task1)
second=threading.Thread(target=task2)
first.start()
second.start()


执行结果:


65ccb29683aa1e0042ae999bfbd0c5aa.png


原理:对共享数据锁定,同一时间只有一个线程去操作 ,多个线程一起去抢,抢到的先执行使用了threading中的lock函数。在运行first线程时,先用lock.acquire()把当前线程锁起来,在此期间其他线程无法运行,当循环结束后使用lock.release()把当前线程线程释放,此后其他线程可以进行操作。确保在同一时刻只能进行同一个线程。

但是互斥锁在一定程度上影响了代码的效率,把多任务变成了单任务执行,同时也有可能带来死锁的问题(锁没有及时的释放导致)。

目录
相关文章
|
9月前
|
Java
如何在Java中进行多线程编程
Java多线程编程常用方式包括:继承Thread类、实现Runnable接口、Callable接口(可返回结果)及使用线程池。推荐线程池以提升性能,避免频繁创建线程。结合同步与通信机制,可有效管理并发任务。
333 6
|
12月前
|
人工智能 安全 调度
Python并发编程之线程同步详解
并发编程在Python中至关重要,线程同步确保多线程程序正确运行。本文详解线程同步机制,包括互斥锁、信号量、事件、条件变量和队列,探讨全局解释器锁(GIL)的影响及解决线程同步问题的最佳实践,如避免全局变量、使用线程安全数据结构、精细化锁的使用等。通过示例代码帮助开发者理解并提升多线程程序的性能与可靠性。
343 0
|
10月前
|
算法 Java
Java多线程编程:实现线程间数据共享机制
以上就是Java中几种主要处理多线程序列化资源以及协调各自独立运行但需相互配合以完成任务threads 的技术手段与策略。正确应用上述技术将大大增强你程序稳定性与效率同时也降低bug出现率因此深刻理解每项技术背后理论至关重要.
620 16
|
9月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
813 0
|
11月前
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
834 1
|
12月前
|
数据采集 监控 调度
干货分享“用 多线程 爬取数据”:单线程 + 协程的效率反超 3 倍,这才是 Python 异步的正确打开方式
在 Python 爬虫中,多线程因 GIL 和切换开销效率低下,而协程通过用户态调度实现高并发,大幅提升爬取效率。本文详解协程原理、实战对比多线程性能,并提供最佳实践,助你掌握异步爬虫核心技术。
|
数据采集 存储 Java
多线程Python爬虫:加速大规模学术文献采集
多线程Python爬虫:加速大规模学术文献采集
|
10月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
1667 102
|
10月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
512 104
|
10月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
400 103

热门文章

最新文章

推荐镜像

更多