线程的锁机制

本篇文章分享的是多线程的锁机制。

多线程编程访问共享变量时会出现问题，但是多进程编程访问共享变量不会出现问题。因为多进程中，同一个变量各自有一份拷贝存在于每个进程中，互不影响，而多线程中，所有变量都由所有线程共享。

多个进程之间对内存中的变量不会产生冲突，一个进程由多个线程组成，多线程对内存中的变量进行共享时会产生影响，所以就产生了死锁问题，怎么解决死锁问题是本节主要介绍的内容。

1、变量的作用域

一般在函数体外定义的变量称为全局变量，在函数内部定义的变量称为局部变量。全局变量所有作用域都可读，局部变量只能在本函数可读。函数在读取变量时，优先读取函数本身自有的局部变量，再去读全局变量。

内容如下：

运行脚本得到以下结果。

如果注释掉change()函数里的 global v1,那么得到的返回值是。

在本例中在change()函数外定义的变量balance是全局变量，在change()函数内定义的变量num是局部变量，全局变量默认是可读的，可以在任何函数中使用，如果需要改变全局变量的值，需要在函数内部使用global定义全局变量，本例中在change()函数内部使用global定义全局变量balance,在函数里就可以改变全局变量了。

在函数里可以使用全局变量，但是在函数里不能改变全局变量。想实现多个线程共享变量，需要使用全局变量。在方法里加上全局关键字 global定义全局变量，多线程才可以修改全局变量来共享变量。

2、多线程中的锁

多线程同时修改全局变量时会出现数据安全问题，线程不安全就是不提供数据访问保护，有可能出现多个线程先后更改数据造成所得到的数据是脏数据。在本例中我们生成2个线程同时修改change()函数里的全局变量balance时，会出现数据不一致问题。

本案例文件名为PythonFullStackChapter03 hreadDemo03.py，内容如下。

运行以上脚本，当2个线程运行次数达到500000次时，会出现以下结果。

在本例中定义了一个全局变量balance,初始值为100，当启动2个线程后，先加后减，理论上balance应该为100。线程的调度是由操作系统决定的，当线程t1和t2交替执行时，只要循环次数足够多，balance结果就不一定是100了。从结果可以看出，在本例中线程t1和t2同时修改全局变量balance时，会出现数据不一致问题。

值得注意

在多线程情况下，所有的全局变量有所有线程共享。所以，任何一个变量都可以被任何一个线程修改，因此，线程之间共享数据最大的危险在于多个线程同时改一个变量，把内容给改乱了。

在多线程情况下，使用全局变量并不会共享数据，会出现线程安全问题。线程安全就是多线程访问时，采用了加锁机制，当一个线程访问该类的某个数据时，进行保护，其他线程不能进行访问直到该线程读取完，其他线程才可使用。

不会出现数据不一致，在单线程运行时没有代码安全问题。写多线程程序时，生成一个线程并不代表多线程。在多线程情况下，才会出现安全问题。

针对线程安全问题，需要使用”互斥锁”，就像数据库里操纵数据一样，也需要使用锁机制。某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

互斥锁的核心代码如下：

如果要确保balance计算正确，使用threading.Lock()来创建锁对象lock，把 lock.acquire()和lock.release()加在同步代码块里，本例的同步代码块就是对全局变量balance进行先加后减操作。

当某个线程执行change()函数时，通过lock.acquire()获取锁，那么其他线程就不能执行同步代码块了，只能等待知道锁被释放了，获得锁才能执行同步代码块。由于锁只有一个，无论多少线程，同一个时刻最多只有一个线程持有该锁，所以修改全局变量balance不会产生冲突。改良后的代码内容如下。

在例子中2个线程同时运行lock.acquire()时，只有一个线程能成功的获取锁，然后执行代码，其他线程就继续等待直到获得锁位置。获得锁的线程用完后一定要释放锁，否则其他线程就会一直等待下去，成为死线程。

在运行上面脚本就不会产生输出信息，证明代码是安全的。把 lock.acquire()和lock.release()加在同步代码块里，还要注意锁的力度不要加的太大了。第一个线程只有运行完了，第二个线程才能运行，所以锁要在需要同步代码里加上。