Python线程安全实例分析

这篇文章主要介绍“Python线程安全实例分析”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Python线程安全实例分析”文章能帮助大家解决问题。

一、什么是线程安全？

线程安全，名字就非常直接，在多线程情况下是安全的，多线程操作上的安全。

比如一个计算加法的函数，不管是一千个还是一万个线程，我们希望它执行的结果总是正确的，1+1 必须永远等于2, 而不是线程少的时候1+1 变成3或者4了。

通常我们都用线程安全来修饰一个类，修饰一个函数：

我们会说我设计的这个类是线程安全的
这意味着，在多线程环境下，同时调用这个类的函数不会出现函数设置预期之外的异常（上述的1+1=3的情况）

二、在Python中有哪些类是线程安全的？

dict 和 list，tuple这些都是线程安全。

它们是被全局解释器保障了，这个锁：GIL（全局解释器锁）确保了任何时候只能有一个线程执行相应操作的字节码。参考

但是这番话也是说的不清不楚的。

现在我们拿转账来解析吧：

xuewei_account = dict()
xuewei_account['amount'] = 100

# amount为负数即是转出金额
def transfer(money):
    xuewei_account['amount'] +=  money

如上，代码为一个函数对jb_account（账户）进行转入金额操作。

这里用了dict类型，GIL会保证只有一个线程操作账户。

下面是多个线程进行操作的代码：

import random
import threading
import datetime
import time

xuewei_account = dict()
xuewei_account['amount'] = 100


# amount为负数即是转出金额
def transfer(money):
    xuewei_account['amount'] +=  money


# 创建4个任务给重复学委账户转账
threads = []
for i in range(200):
    t1 = threading.Thread(target=lambda: transfer(-1))
    threads.append(t1)
    t2 = threading.Thread(target=lambda: transfer(1))
    threads.append(t2)

for t in threads:
    t.start()
    
# 这次不用sleep了，用join来等待所有线程执行完毕
# join函数必须线程start后才能调用，否则出错。
for t in threads:
    t.join()

print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)

这段代码运行的输出结果正常，因为是反复+1/-1，最后肯定是恢复原账户余额。

虽然多个线程，但是每个线程只对xuewei_account进行一次读写，这时候dict是安全的。

但是我们把赋值修改dict的操作变多之后（特别是一个线程内反复多次获取值然后修改），像下面的代码：

import random
import threading
import datetime
import time

xuewei_account = dict()
xuewei_account['amount'] = 100


# amount为负数即是转出金额
def transfer(money):
    for i in range(100000):
        xuewei_account['amount'] = xuewei_account['amount'] + money


# 创建400个任务重复给学委账户转账
threads = []
for i in range(200):
    t1 = threading.Thread(target=lambda: transfer(-1))
    threads.append(t1)
    t2 = threading.Thread(target=lambda: transfer(1))
    threads.append(t2)

for t in threads:
    t.start()
for t in threads:
    t.join()

print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)

这是某一次运行结果（不保证每次acount的数值一样）：

我们看到dict还是扛不住多个线程反复的写操作。

这里区别是：每个线程只对xuewei_account进行大量读写，虽然dict是安全的，但是多个线程中间穿插修改了account，程序方法栈出现操作到旧值（看下面的图）。

主要是下面这段代码：

xuewei_account[‘amount'] += money 
# 即是 xuewei_account[‘amount'] = xuewei_account[‘amount']+ money

再一步抽象简化可以写成：

a = a + b

每个线程都执行 +b 操作，最后a的值应该是a+2b。

上面的操作意味这下面的情况发生了：

在某个线程中可能出现某一个线程T1获取了a值 ，准备加上b。

另外一个线程T2已经完成了a+b操作，把a的值变成了a+b了。

但是接下来T1 拿了a的值再执行a+b操作，把a的值变成a+b。

这样就少加了一个b，本来最后结果是a+2b 的变成了 a+b（因为T1拿了a的旧值，中间T2执行完，T1才继续执行）

当然实际多线程之间交互比上图还要随机。

三、如何做到真正线程安全？

dict读取数据是线程安全，但是被反复读写就容易出现数据混乱。

如果我们要设计一个线程安全的函数，那么它必须不涉及任何共享变量或者是完全没有状态依赖的函数

def thread_safe_method():
    pass

1.无状态函数

比如下面的加法函数，不管多少个线程调用，返回值永远是预期的a+b。

def add(a, b):
    return a + b

2.另一种 化繁为简

许我们可以把多线程转换为单线程，这个需要一个线程安全的媒介。

关于“Python线程安全实例分析”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。