46.python GIL锁与互斥锁Lock的区别
46.python GIL锁与互斥锁Lock的区别
前面的文章分别介绍了python线程互斥锁Lock 和 python GIL锁，两个对 python线程threading 都会有影响，那么具体又有什么区别呢？
一.python线程互斥锁Lock
python中，当有多个线程threading同时执行时，对同一个全局变量或者同一个文件操作时，如果没有设置互斥锁，容易造成数据混乱，比如下面这两个案例：
1.案例一：两个线程对全局变量分别累加1000000次，不加互斥锁，看全局变量的计算结果是否为2000000
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): https://www.codersrc.com/
@File:python_thread.py
@Time:2020/1/5 21:22
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
# 导入线程threading模块
import threading
# 声明全局变量
g_num = 0
def my_thread1():
# 声明全局变量
global g_num
# 循环 1000000 次，每次累计加 1
for i in range(0,1000000):
g_num = g_num + 1
def my_thread2():
# 声明全局变量
global g_num
# 循环 1000000 次，每次累计加 1
for i in range(0,1000000):
g_num = g_num + 1
def main(i):
# 声明全局变量
global g_num
# 初始化全局变量，初始值为 0
g_num = 0
# 创建两个线程，对全局变量进行累计加 1
t1 = threading.Thread(target=my_thread1)
t2 = threading.Thread(target=my_thread2)
# 启动线程
t1.start()
t2.start()
# 阻塞函数，等待线程结束
t1.join()
t2.join()
# 获取全局变量的值
print("第%d次计算结果：%d "% (i,g_num))
if __name__ == "__main__":
# 循环4次，调用main函数，计算全局变量的值
for i in range(1,5):
main(i)输出结果：
第1次计算结果：1262996
第2次计算结果：1661455
第3次计算结果：1300211
第4次计算结果：1563699一脸懵逼的看到计算结果每次都不同，每次都是一个小于2000000的随机数，这是为什么？？
假如当前 g_num 值是100，当线程1执行第一步时，cpu通过计算获得结果101，并准备把计算的结果101赋值给g_num，然后再传值的过程中，线程2突然开始执行了并且执行了第一步，此时g_num的值仍未100，101还在传递的过程中，还没成功赋值，线程2获得计算结果101，并准备传递给g_num,经过一来一去这么一折腾，分明做了两次加 1 操作，g_num结果却是101，误差就由此产生，往往循环次数越多，产生的误差就越大。
2.案例二：两个线程对全局变量分别累加1000000次，加互斥锁，看全局变量的计算结果是否为2000000
# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): https://www.codersrc.com/
@File:python_thread_lock.py
@Time:2020/1/5 21:22
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
# 导入线程threading模块
import threading
# 声明全局变量
g_num = 0
# 创建互斥锁
mutex = threading.Lock()
def my_thread1():
# 声明全局变量
global g_num
# 循环 1000000 次，每次累计加 1
for i in range(0,1000000):
# 锁定资源
mutex.acquire()
g_num = g_num + 1
# 解锁资源
mutex.release()
def my_thread2():
# 声明全局变量
global g_num
# 循环 1000000 次，每次累计加 1
for i in range(0,1000000):
# 锁定资源
mutex.acquire()
g_num = g_num + 1
# 解锁资源
mutex.release()
def main(i):
# 声明全局变量
global g_num
# 初始化全局变量，初始值为 0
g_num = 0
# 创建两个线程，对全局变量进行累计加 1
t1 = threading.Thread(target=my_thread1)
t2 = threading.Thread(target=my_thread2)
# 启动线程
t1.start()
t2.start()
# 阻塞函数，等待线程结束
t1.join()
t2.join()
# 获取全局变量的值
print("第%d次计算结果：%d "% (i,g_num))
if __name__ == "__main__":
# 循环4次，调用main函数，计算全局变量的值
for i in range(1,5):
main(i)输出结果：
第1次计算结果：2000000
第2次计算结果：2000000
第3次计算结果：2000000
第4次计算结果：2000000由此可见，全局变量计算加上互斥锁之后，不论执行多少次，计算结果都相同。注意：互斥锁一旦锁定之后要记得解锁，否则资源会一直处于锁定状态，容易造成死锁；
二.python GIL锁
python GIL锁 也称为：全局解释器所（global interpreter lock），当有多个线程同时执行时，每个线程在执行时候都需要先获取GIL，保证同一时刻只有一个线程可以执行代码，即同一时刻只有一个线程使用CPU，也就是说多线程并不是真正意义上的同时执行！
任何Python 线程threading 执行前，必须先获得GIL锁才能执行，当线程获取到GIL锁之后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。
三.python互斥锁Lock与GIL锁的关系
首先假设只有一个进程,这个进程中有两个线程 Thread1,Thread2, 要修改共享的数据date, 并且有互斥锁，执行以下步骤：
(1)多线程运行，假设Thread1获得GIL可以使用cpu，这时Thread1获得 互斥锁lock,Thread1可以改date数据(但并没有开始修改数据)；
(2)Thread1线程在修改date数据前发生了 i/o操作 或者 ticks计数满100 (注意就是没有运行到修改data数据),这个时候 Thread1 让出了Gil,Gil锁可以被竞争；
(3) Thread1 和 Thread2 开始竞争 Gil (注意:如果Thread1是因为 i/o 阻塞 让出的Gil Thread2必定拿到Gil,如果Thread1是因为ticks计数满100让出Gil 这个时候 Thread1 和 Thread2 公平竞争)；
(4)假设 Thread2正好获得了GIL, 运行代码去修改共享数据date,由于Thread1有互斥锁lock，所以Thread2无法更改共享数据date,这时Thread2让出Gil锁 , GIL锁再次发生竞争；
(5)假设Thread1又抢到GIL，由于其有互斥锁Lock所以其可以继续修改共享数据data,当Thread1修改完数据释放互斥锁lock,Thread2在获得GIL与lock后才可对data进行修改；
以上描述了 互斥锁和Gil锁的 一个关系
猜你喜欢:
4.python进程Process与线程threading区别
转载请注明：猿说Python » python GIL锁与互斥锁Lock的区别