Python中threading库如何实现线程锁与释放锁

小编给大家分享一下Python中threading库如何实现线程锁与释放锁，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

控制资源访问

前文提到threading库在多线程时，对同一资源的访问容易导致破坏与丢失数据。为了保证安全的访问一个资源对象，我们需要创建锁。

示例如下：

import threadingimport timeclass AddThread():    def __init__(self, start=0):        self.lock = threading.Lock()        self.value = start    def increment(self):        print("Wait Lock")        self.lock.acquire()        try:            print("Acquire Lock")            self.value += 1            print(self.value)        finally:            self.lock.release()def worker(a):    time.sleep(1)    a.increment()addThread = AddThread()for i in range(3):    t = threading.Thread(target=worker, args=(addThread,))    t.start()

运行之后，效果如下：

acquire()会通过锁进行阻塞其他线程执行中间段，release()释放锁，可以看到，基本都是获得锁之后才执行。避免了多个线程同时改变其资源对象，不会造成混乱。

判断是否有另一个线程请求锁

要确定是否有另一个线程请求锁而不影响当前的线程，可以设置acquire()的参数blocking=False。

示例如下：

import threadingimport timedef worker2(lock):    print("worker2 Wait Lock")    while True:        lock.acquire()        try:            print("Holding")            time.sleep(0.5)        finally:            print("not Holding")            lock.release()        time.sleep(0.5)def worker1(lock):    print("worker1 Wait Lock")    num_acquire = 0    value = 0    while num_acquire < 3:        time.sleep(0.5)        have_it = lock.acquire(blocking=False)        try:            value += 1            print(value)            print("Acquire Lock")            if have_it:                num_acquire += 1        finally:            print("release Lock")            if have_it:                lock.release()lock = threading.Lock()word2Thread = threading.Thread(    target=worker2,    name='work2',    args=(lock,))word2Thread.start()word1Thread = threading.Thread(    target=worker1,    name='work1',    args=(lock,))word1Thread.start()

运行之后，效果如下：

这里，我们需要迭代很多次，work1才能获取3次锁。但是尝试了很8次。

with lock

前文，我们通过lock.acquire()与lock.release()实现了锁的获取与释放，但其实我们Python还给我们提供了一个更简单的语法，通过with lock来获取与释放锁。

示例如下：

import threadingimport timeclass AddThread():    def __init__(self, start=0):        self.lock = threading.Lock()        self.value = start    def increment(self):        print("Wait Lock")        with self.lock:            print("lock acquire")            self.value += 1            print(self.value)        print("lock release")def worker(a):    time.sleep(1)    a.increment()addThread = AddThread()for i in range(3):    t = threading.Thread(target=worker, args=(addThread,))    t.start()

这里，我们只是将最上面的例子改变了一下。效果如下：

需要注意的是，正常的Lock对象不能请求多次，即使是由同一个线程请求也不例外。如果同一个调用链中的多个函数访问一个锁，则会发生意外。如果期望在同一个线程的不同代码需要重新获得锁，那么这种情况下使用RLock。

同步线程

Condition

在实际的操作中，我们还可以使用Condition对象来同步线程。由于Condition使用了一个Lock，所以它可以绑定到一个共享资源，允许多个线程等待资源的更新。

示例如下：

import threadingimport timedef consumer(cond):    print("waitCon")    with cond:        cond.wait()        print('获取更新的资源')def producer(cond):    print("worker")    with cond:        print('更新资源')        cond.notifyAll()cond = threading.Condition()t1 = threading.Thread(name='t1', target=consumer, args=(cond,))t2 = threading.Thread(name='t2', target=consumer, args=(cond,))t3 = threading.Thread(name='t3', target=producer, args=(cond,))t1.start()time.sleep(0.2)t2.start()time.sleep(0.2)t3.start()

运行之后，效果如下：

这里，我们通过producer线程处理完成之后调用notifyAll()，consumer等线程等到了它的更新，可以类比为观察者模式。这里是，当一个线程用完资源之后时,则会自动通知依赖它的所有线程。

屏障（barrier）

屏障是另一种线程的同步机制。barrier会建立一个控制点，所有参与的线程会在这里阻塞，直到所有这些参与方都到达这一点。采用这种方法，线程可以单独启动然后暂停，直到所有线程都准备好了才可以继续。

示例如下：

import threadingimport timedef worker(barrier):    print(threading.current_thread().getName(), "worker")    worker_id = barrier.wait()    print(threading.current_thread().getName(), worker_id)threads = []barrier = threading.Barrier(3)for i in range(3):    threads.append(        threading.Thread(            name="t" + str(i),            target=worker,            args=(barrier,)        )    )for t in threads:    print(t.name, 'starting')    t.start()    time.sleep(0.1)for t in threads:    t.join()

运行之后，效果如下：

从控制台的输出会发发现，barrier.wait()会阻塞线程，直到所有线程被创建后，才同时释放越过这个控制点继续执行。wait()的返回值指示了释放的参与线程数，可以用来限制一些线程做清理资源等动作。

当然屏障Barrier还有一个abort()方法，该方法可以使所有等待线程接收一个BroKenBarrierError。如果线程在wait()上被阻塞而停止处理，会产生这个异常，通过except可以完成清理工作。

有限资源的并发访问

除了多线程可能访问同一个资源之外，有时候为了性能，我们也会限制多线程访问同一个资源的数量。例如，线程池支持同时连接，但数据可能是固定的，或者一个网络APP提供的并发下载数支持固定数目。这些连接就可以使用Semaphore来管理。

示例如下：

import threadingimport timeclass WorkerThread(threading.Thread):    def __init__(self):        super(WorkerThread, self).__init__()        self.lock = threading.Lock()        self.value = 0    def increment(self):        with self.lock:            self.value += 1            print(self.value)def worker(s, pool):    with s:        print(threading.current_thread().getName())        pool.increment()        time.sleep(1)        pool.increment()pool = WorkerThread()s = threading.Semaphore(2)for i in range(5):    t = threading.Thread(        name="t" + str(i),        target=worker,        args=(s, pool,)    )    t.start()

运行之后，效果如下：

从图片虽然能看所有输出，但无法看到其停顿的事件。读者自己运行会发现，每次顶多只有两个线程在工作，是因为我们设置了threading.Semaphore(2)。

隐藏资源

在实际的项目中，有些资源需要锁定以便于多个线程使用，而另外一些资源则需要保护，以使它们对并非使这些资源的所有者的线程隐藏。

local()函数会创建一个对象，它能够隐藏值，使其在不同的线程中无法被看到。示例如下：

import threadingimport randomdef show_data(data):    try:        result = data.value    except AttributeError:        print(threading.current_thread().getName(), "No value")    else:        print(threading.current_thread().getName(), "value=", result)def worker(data):    show_data(data)    data.value = random.randint(1, 100)    show_data(data)local_data = threading.local()show_data(local_data)local_data.value = 1000show_data(local_data)for i in range(2):    t = threading.Thread(        name="t" + str(i),        target=worker,        args=(local_data,)    )    t.start()

运行之后，效果如下：

这里local_data.value对所有线程都不可见，除非在某个线程中设置了这个属性，这个线程才能看到它。

python是什么意思

Python是一种跨平台的、具有解释性、编译性、互动性和面向对象的脚本语言，其最初的设计是用于编写自动化脚本，随着版本的不断更新和新功能的添加，常用于用于开发独立的项目和大型项目。

以上是“Python中threading库如何实现线程锁与释放锁”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注编程网行业资讯频道！