Python-线程安全问题

Dear 丶 2023-06-30 06:58 52阅读 0赞

# Python-线程安全问题 #

首先先看下面两个例子。

`用例1`（数据正确）：

import threading
    from time import sleep
    
    ticket = 1000
    
    def run():
        global ticket
        for i in range(100):
            ticket -= 1
            sleep(0.01)
    
    
    if __name__ == '__main__':
        t1 = threading.Thread(target=run, name='t1')
        t2 = threading.Thread(target=run, name='t2')
        t3 = threading.Thread(target=run, name='t3')
        t4 = threading.Thread(target=run, name='t4')
    
        t1.start()
        t2.start()
        t3.start()
        t4.start()
    
        t1.join()
        t2.join()
        t3.join()
        t4.join()
    
        print(ticket)

输出：

600

`用例2`（数据错误）：

import threading
    
    n = 0
    
    def run1():
        global n
        for i in range(1000000):
            n += 1
    
    def run2():
        global n
        for i in range(1000000):
            n += 1
    
    if __name__ == '__main__':
        t1 = threading.Thread(target=run1, name='t1')
        t2 = threading.Thread(target=run2, name='t2')
    
        t1.start()
        t2.start()
    
        t1.join()
        t2.join()
    
        print('最后打印n：',n)

输出：

最后打印n： 1485696

--------------------

## 并发和并行 ##

在进行GIL讲解之前，我们可以先回顾一下**并行和并发的区别**：  
`并行`：多个CPU同时执行多个任务，就好像有两个程序，这两个程序是真的在两个不同的CPU内同时被执行。

`并发`：CPU交替处理多个任务，还是有两个程序，但是只有一个CPU，会交替处理这两个程序，而不是同时执行，只不过因为CPU执行的速度过快，而会使得人们感到是在“同时”执行，执行的先后取决于各个程序对于时间片资源的争夺。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70]并行和并发同属于多任务，目的是要提高CPU的使用效率。这里需要注意的是，一个CPU永远不可能实现并行，即一个CPU不能同时运行多个程序，但是可以在随机分配的时间片内交替执行（并发），就好像一个人不能同时看两本书，但是却能够先看第一本书半分钟，再看第二本书半分钟，这样来回切换。

--------------------

## 进程和线程 ##

接下来我们来看看**进程和线程之间的区别**：

两个`多线程`同时执行死循环，查看`单个CPU`的使用率：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 1]两个`多线程`同时执行死循环，查看`两个CPU`的使用率：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 2]两个`多进程`同时执行死循环，查看`两个CPU`使用率：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 3]  
也就是说，`多线程`并不会充分调用两个CPU，而是会像在一个CPU上充分运转，而`多进程`则是会完全调用两个CPU，同时执行；

--------------------

## GIL-全局解释器锁 ##

为什么会出现上述数据不一致的现象？因为`GIL`的存在。

*  `全局解释器所`（global interpreter lock），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**python的多线程并不是真正意义上的同时执行**。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 4]

**GIL不是python的特性，为什么会存在GIL？**

*  Guido van Rossum（吉多·范罗苏姆）创建python时就只考虑到单核cpu，解决多线程之间数据完整性和状态同步的最简单方法自然就是加锁， 于是有了GIL这把**超级大锁**。因为cpython解析只允许拥有GIL全局解析器锁才能运行程序，这样就保证了保证同一个时刻只允许一个线程可以使用cpu。由于大量的程序开发者接收了这套机制,现在代码量越来越多,已经不容易通过c代码去解决这个问题。

**问题1: 什么时候会释放Gil锁？**

*  遇到像 i/o操作这种 会有时间空闲情况 造成cpu闲置的情况会释放Gil
 *  会有一个专门`ticks`进行计数，**一旦ticks数值达到100 这个时候释放Gil锁 线程之间开始竞争Gil锁**(说明:ticks这个数值可以进行设置来延长或者缩减获得Gil锁的线程使用cpu的时间) ------`这也是上述代码出现问题的原因！！！！！`

**那么，我们改如何解决GIL锁的问题呢？**

1.更换cpython为`jpython`(不建议)

2.使用`多进程`完成多线程的任务

3.在使用多线程可以使用`c语言`去实现

--------------------

参考资料：[python面试不得不知道的点——GIL][python_GIL]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200115174109970.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200115174327764.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200115174358505.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200115174547266.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200115173444456.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk5OTMyNw==,size_16,color_FFFFFF,t_70
[python_GIL]: https://blog.csdn.net/weixin_41594007/article/details/79485847