Python threading中lock的使用详解

在多线程中使用lock可以让多个线程在共享资源的时候不会“乱”，例如，创建多个线程，每个线程都往空列表l中添加一个数字并打印当前的列表l，如果不加锁，就可能会这样：

# encoding=utf8
import threading
import time
lock = threading.Lock()
l = []

def test1(n):
	lock.acquire()
	l.append(n)
	print l
	lock.release()

def test(n):
	l.append(n)
	print l

def main():
	for i in xrange(0, 10):
		th = threading.Thread(target=test, args=(i, ))
		th.start()
if __name__ == '__main__':
	main()

运行结果：

[0]
[0, 1]
[0, 1, 2]
[0, 1, 2, 3][
0, 1, 2, 3, 4]
[0, 1, 2, 3, 4, 5]
[0, 1, 2, 3, 4[, 05, , 16, , 27, ]3
, 4, 5, 6[, 07, , 18, ]2
, 3, 4, [50, , 61, , 72, , 83, , 94],
5, 6, 7, 8, 9]

因为每个线程都在同时往l中添加一个数字（当前每个线程运行的是test函数），然后又可能在同时打印l，所以最后的结果看起来会有些“混乱”。

下面让每个线程调用“test1”函数，看看结果如何：

[0]
[0, 1]
[0, 1, 2]
[0, 1, 2, 3]
[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4, 5]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6, 7]
[0, 1, 2, 3, 4, 5, 6, 7, 8]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

现在看起来就好多了，因为test1中每次像l中添加数字并打印之前，都先加了一把“锁”，这样就可以保证每次只有一个线程可以往l中添加数字，而不是同时往l里添加数字。

通过上面的结果比较可以知道，当多线程中需要“独占资源”的时候，要使用锁来控制，防止多个线程同时占用资源而出现其他异常。

使用锁的时候就调用acquire()方法，以此告诉其他线程，我正在占用该资源，你们要等会；待使用资源后需要释放资源的时候就调用release()方法，告诉其他线程，我已经完成使用该资源了，其他人可以过来使用了。

python threading Lock

这篇文章主要是通过代码说明：

• threading.Lock()不影响 multiprocessing
• .threading.Lock()影响 threading.

代码如下：

import threading
import time
from multiprocessing import Pool
_lock = threading.Lock()
def small_func(value):
  """
  添加线程锁
  :param value:
  :return:
  """
  print(value)
  with _lock:
      time.sleep(5)
  return value
def no_small_func(value):
  """
  没有线程锁
  :param value:
  :return:
  """
  print(value)
  # with _lock:
  time.sleep(5)
  return value
def main():
  """
  multiprocessing 是基于进程的，因此线程锁对其不影响，
  :return:
  """
  st = time.time()
  p = Pool(processes=4)
  value = p.map(func=small_func, iterable=range(4))
  et = time.time()
  print(f"all use time: {et - st}")
  print(value)
def main2():
  """
  threading 受到 线程锁 影响
  :return:
  """
  st = time.time()
  thread_list = []
  for temp_value in range(4):
      t = threading.Thread(target=small_func, args=(temp_value,))
      t.start()
      thread_list.append(t)

  for i in thread_list:
      i.join()

  et = time.time()
  print(f"all use time: {et - st}")
  # print(value)
def main3():
  st = time.time()
  thread_list = []
  res = []
  for temp_value in range(4):
      # 不加线程锁就行了
      t = threading.Thread(target=no_small_func, args=(temp_value,))
      t.start()
      thread_list.append(t)

  for i in thread_list:
      v = i.join()
      res.append(v)

  et = time.time()
  print(f"all use time: {et - st}")
  print(res)
if __name__ == '__main__':
  # main()
  # main2()
  main3()

关于Python threading中lock的使用的文章就介绍至此，更多相关Python threading lock使用内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

 算法简介鸡群算法，缩写为CSO(Chicken Swarm Optimization)，尽管具备所谓仿生学的背景，但实质上是粒子群算法的一个变体。简单来说，粒子群就是一群粒子，每个粒子都有自己 ...