python多線程共享變量的使用和效率方法
python多線程可以使任務(wù)得到并發(fā)執(zhí)行,但是有時(shí)候在執(zhí)行多次任務(wù)的時(shí)候,變量出現(xiàn)“意外”。
import threading,time n=0 start=time.time() def b1(num): global n n=n+num n=n-num def b2(num): for i in range(1000000): b1(num) t1=threading.Thread(target=b2,args=(5,)) t2=threading.Thread(target=b2,args=(8,)) t1.start() t2.start() t1.join() t2.join() end=time.time() print(n) print(end-start)
執(zhí)行結(jié)果:
18 0.7520430088043213
可見變量n從0變成了18,用時(shí)是0.75s,原因是計(jì)算機(jī)系統(tǒng)計(jì)算類似n=n+num是分兩步計(jì)算的,先計(jì)算n+num的值放進(jìn)內(nèi)存中,然后再把計(jì)算的值賦值給n,正是這個(gè)間隙導(dǎo)致了變量出現(xiàn)“意外”。
這時(shí)候可以使用threading.Lock來把線程中的變量鎖定,使用完再釋放!
import threading,time n=0 lock=threading.Lock() start=time.time() def b1(num): global n n=n+num n=n-num def b2(num): for i in range(1000000): lock.acquire()#等待獲取或獲取修改變量的權(quán)限,并霸占它們 b1(num) lock.release()#釋放霸占的變量 t1=threading.Thread(target=b2,args=(5,)) t2=threading.Thread(target=b2,args=(8,)) t1.start() t2.start() t1.join() t2.join() end=time.time() print(n) print(end-start)
執(zhí)行結(jié)果:
0 3.335190773010254
雖然變量的值正確了,但慢了很多倍,效率大大的打折扣,多線程的優(yōu)勢(shì)也沒凸顯出來。
所以盡量使用局部變量來代替全局變量在線程中使用,這樣可以避免效率的問題。
以上這篇python多線程共享變量的使用和效率方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python進(jìn)程multiprocessing.Process()的使用解讀
這篇文章主要介紹了Python進(jìn)程multiprocessing.Process()的使用,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02Python中的Numeric包和Numarray包使用教程
這篇文章主要介紹了Python中的Numeric包和Numarray包使用教程,來自IBM官方網(wǎng)站上的技術(shù)文檔,需要的朋友可以參考下2015-04-04Python?Fire中兩種命令行參數(shù)靈活設(shè)置方式詳解
Python的Fire庫(kù),一個(gè)用來生成命令行工具的的庫(kù),這篇文章主要針對(duì)命令行參數(shù),補(bǔ)充兩種更加靈活的設(shè)置方式,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2024-01-01linux系統(tǒng)使用python監(jiān)測(cè)網(wǎng)絡(luò)接口獲取網(wǎng)絡(luò)的輸入輸出
這篇文章主要介紹了linux系統(tǒng)使用python監(jiān)測(cè)網(wǎng)絡(luò)接口獲取網(wǎng)絡(luò)的輸入輸出信息,大家參考使用吧2014-01-01