Python線程之同步機制實際應(yīng)用場景舉例說明
這次讓我們來看看一個真實場景吧：銀行轉(zhuǎn)賬
一、舉例銀行轉(zhuǎn)賬
假設(shè)現(xiàn)在有一個xuewei的賬號里面有 100W。
然后有多個任務(wù)在轉(zhuǎn)賬，轉(zhuǎn)入轉(zhuǎn)出都是跟這個xuewei賬號相關(guān)的。
而且這些任務(wù)發(fā)生是隨機的。
我們先把上面的場景寫成代碼：
xuewei_account = 100 # amount為負數(shù)即是轉(zhuǎn)出金額 def transfer(money): ? ? global xuewei_account ? ? xuewei_account += money
下面是多個線程，多線程模擬轉(zhuǎn)賬事件，我們假設(shè)有4個事件在同時發(fā)生。
import random
import threading
import datetime
import time
xuewei_account = 100
# amount為負數(shù)即是轉(zhuǎn)出金額
def transfer(money):
? ? global xuewei_account
? ? xuewei_account += money
# 創(chuàng)建4個任務(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)這里啟動了4個線程循環(huán)了10000次，也就是4萬個線程，分別于學(xué)委的賬戶進行轉(zhuǎn)賬。
下面是運行結(jié)果：
運行幾次學(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，但每次運行的操作都很簡單，完成一次加法。
線程一個接一個start，非常快速就切換下一個線程， 我們看到程序沒有出現(xiàn)問題。
下面進行改造，這次不要就4萬線程了，我們讓轉(zhuǎn)賬這個任務(wù)耗時更多，每啟動一個線程進行模擬10萬次轉(zhuǎn)賬。
import random import threading import datetime import time xuewei_account = 100 # amount為負數(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。
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)運行結(jié)果如下：
上面的代碼不管怎么運行，運行多少次最后學(xué)委的賬戶都是100.（PS：學(xué)委不會聯(lián)系讀者轉(zhuǎn)賬的，這個特別注意）。
不管多少個線程，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）只會被一個線程調(diào)用。
三、總結(jié)
展示了同步機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amount重度操作（本文第二段代碼）的時候，計算就出錯了！
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)對共享變量的操作，有些程序在并發(fā)規(guī)模很小的時候一點問題也沒有。
并發(fā)編程是高度利用CPU計算能力的編程方式，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線程之同步機制實際應(yīng)用場景舉例說明的文章就介紹到這了,更多相關(guān)Python線程同步機制內(nèi)容請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！
相關(guān)文章
在本篇文章里小編給大家分享的是關(guān)于Python中無限循環(huán)的條件的相關(guān)文章，需要的朋友們可以參考下。2020-05-05
這篇文章主要介紹了pycharm終端解釋器與Python解釋器配置，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-06-06
基于pytorch實現(xiàn)對圖片進行數(shù)據(jù)增強
圖像數(shù)據(jù)增強是一種在訓(xùn)練機器學(xué)習(xí)和深度學(xué)習(xí)模型時常用的策略,尤其是在計算機視覺領(lǐng)域,具體而言,它通過創(chuàng)建和原始圖像稍有不同的新圖像來擴大訓(xùn)練集,本文給大家介紹了如何基于pytorch實現(xiàn)對圖片進行數(shù)據(jù)增強,需要的朋友可以參考下2024-01-01
這篇文章主要介紹了解決IDEA 的 plugins 搜不到任何的插件問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
mac下pip、conda、homebrew修改為清華鏡像源的方法
本文主要介紹了mac下pip、conda、homebrew修改為清華鏡像源的方法，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-08-08
本文是在學(xué)習(xí)了beautifulsoup之后，制作的一個爬取讀者雜志并使用reportlab制作成pdf的python小工具，咱也文藝一下：），分享給大家，有需要的小伙伴參考下吧。2015-03-03
python實現(xiàn)將兩個文件夾合并至另一個文件夾(制作數(shù)據(jù)集)
