Python線程之同步機(jī)制實(shí)際應(yīng)用場景舉例說明
這次讓我們來看看一個真實(shí)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(jī)的。
我們先把上面的場景寫成代碼:
xuewei_account = 100 # amount為負(fù)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(fù)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(jìn)行轉(zhuǎn)賬。
下面是運(yùn)行結(jié)果:
運(yùn)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(yùn)行的操作都很簡單,完成一次加法。
線程一個接一個start,非??焖倬颓袚Q下一個線程, 我們看到程序沒有出現(xiàn)問題。
下面進(jìn)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(jìn)行模擬10萬次轉(zhuǎn)賬。
import random import threading import datetime import time xuewei_account = 100 # amount為負(fù)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(yùn)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(fù)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(yùn)行結(jié)果如下:
上面的代碼不管怎么運(yùn)行,運(yùn)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(jī)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(diǎn)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(jī)制實(shí)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(jī)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
基于pytorch實(shí)現(xiàn)對圖片進(jìn)行數(shù)據(jù)增強(qiáng)
圖像數(shù)據(jù)增強(qiáng)是一種在訓(xùn)練機(jī)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(jī)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(kuò)大訓(xùn)練集,本文給大家介紹了如何基于pytorch實(shí)現(xiàn)對圖片進(jìn)行數(shù)據(jù)增強(qiáng),需要的朋友可以參考下2024-01-01mac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(xì),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

python實(shí)現(xiàn)將兩個文件夾合并至另一個文件夾(制作數(shù)據(jù)集)