Python中threading库实现线程锁与释放锁

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 threading
import time

class 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 threading
import time

def 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 threading
import time

class 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 threading
import time

def 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 threading
import time

def 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 threading
import time

class 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 threading
import random

def 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 = 1000
show_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。

来源：https://blog.csdn.net/liyuanjinglyj/article/details/116665247