线程同步可以定义为一种方法,借助这种方法,可以确信两个或更多的并发线程不会同时访问被称为临界区的程序段。 另一方面,正如我们所知道的那样,临界区是共享资源被访问的程序的一部分。 因此,同步是通过同时访问资源来确保两个或更多线程不相互连接的过程。 下图显示了四个线程同时尝试访问程序的临界区。
为了使它更清楚,假设有两个或更多线程试图同时在列表中添加对象。 这种行为不能导致成功的结局,因为它会抛弃一个或所有的对象,或者它会完全破坏列表的状态。 这里同步的作用是每次只有一个线程可以访问列表。
线程同步的问题
在实现并发编程或应用同步基元时,可能会遇到问题。 在本节中,我们将讨论两个主要问题。 问题是
- 死锁
- 竞争条件
1. 竞争条件
这是并发编程的主要问题之一。 对共享资源的并发访问可能会导致竞争状态。 竞争条件可以定义为当两个或更多线程可以访问共享数据,然后尝试同时更改其值时发生的条件。 由此,变量的值可能是不可预知的,并且取决于进程的上下文切换的时间而变化。
示例
考虑这个例子来理解竞争条件的概念
第1步 - 在这一步中,需要导入线程模块 -
import threading
第2步 - 现在,定义一个全局变量,例如x
,以及其值为0
-
x = 0
第3步 - 现在,需要定义increment_global()
函数,该函数将在此全局函数中执行x
递增1
-
def increment_global(): global x x += 1
第4步 - 在这一步中,将定义taskofThread()
函数,它将调用increment_global()
函数达指定的次数; 在这个例子中,它是50000
次 -
def taskofThread(): for _ in range(500000): # 数值一定要大 increment_global()
第5步 - 现在,定义创建线程t1
和t2
的main()
函数。 两者都将在start()
函数的帮助下启动,并等待join()
函数完成作业。
def main(): global x x = 0 t1 = threading.Thread(target= taskofThread) t2 = threading.Thread(target= taskofThread) t1.start() t2.start() t1.join() t2.join()
第6步 - 现在,需要给出范围,如想要调用main()
函数的迭代次数。 在这里,调用为5次。
if __name__ == "__main__": for i in range(5): main() print("x = {1} after Iteration {0}".format(i,x))
在下面显示的输出中,我们可以看到竞争条件的影响,因为在每次迭代之后x
的值预计为100000
。但是,值有很大的变化。 这是由于线程对共享全局变量x
的并发访问。
E:\Anaconda\python.exe F:/PythonSpace/Concurrent/6.resource_competition.pyx = 869414 after Iteration 0x = 833985 after Iteration 1x = 906911 after Iteration 2x = 903137 after Iteration 3x = 757507 after Iteration 4
使用锁的竞争条件
正如我们已经看到上述程序中竞争条件的影响,我们需要一个同步工具,它可以处理多个线程之间的竞争条件。 在Python中,threading
模块提供了Lock
类来处理竞争条件。 此外,Lock类提供了不同的方法,可以通过它帮助处理多个线程之间的竞争条件。
acquire()方法
该方法用于获取,即阻止锁定。 锁可以是阻塞或非阻塞取决于以下真或假的值 --
将值设置为True - 如果使用默认参数
True
调用acquire()
方法,则线程执行将被阻止,直到解锁锁。 -
将值设置为False - 如果
acquire()
方法使用False
调用,而False
不是默认参数,那么线程执行不会被阻塞,直到它被设置为true
,即直到它被锁定。
release()方法
此方法用于释放锁。 以下是与此方法相关的一些重要任务 -- 如果锁定被锁定,那么
release()
方法将解锁它。 它的工作是如果多个线程被阻塞并且等待锁被解锁,则只允许一个线程继续。 - 如果锁已经解锁,它将引发一个
ThreadError
错误。
现在,我们可以用锁类及其方法重写上述程序,以避免竞争条件。 我们需要使用lock
参数定义taskofThread()
方法,然后使用acquire()
和release()
方法来阻塞和非阻塞锁以避免竞争状况。
import threadingx = 0def increment_global(): global x x += 1def task_of_thread(lock): for _ in range(500000): # 数值一定要大 lock.acquire() increment_global() lock.release()def main(): global x x = 0 lock = threading.Lock() t1 = threading.Thread(target=task_of_thread, args=(lock,)) t2 = threading.Thread(target=task_of_thread, args=(lock,)) t1.start() t2.start() t1.join() t2.join()if __name__ == "__main__": for i in range(5): main() print("x = {1} after Iteration {0}".format(i, x))
运行结果:
E:\Anaconda\python.exe F:/PythonSpace/Concurrent/6.resource_competition.pyx = 1000000 after Iteration 0x = 1000000 after Iteration 1x = 1000000 after Iteration 2x = 1000000 after Iteration 3x = 1000000 after Iteration 4
以下输出显示竞争条件的影响被忽略; 在每次迭代之后,x
的值现在是100000
,这与该程序的期望值相同。
哲学家就餐问题
死锁是设计并发系统时可能遇到的麻烦问题。Edsger Dijkstra最初介绍了哲学家就餐问题,这是着名的并发系统最大问题和死锁问题之一。
在这个问题中,有五位着名的哲学家坐在圆桌旁,从碗里吃着一些食物。 五种哲学家可以使用五种叉子来吃他们的食物。 然而,哲学家决定同时使用两把叉子来吃他们的食物。
- 现在,哲学家有两个主要条件:首先,每个哲学家既可以进食也可以处于思维状态;其次,他们必须首先获得叉子,即左边和右边的叉子。
- 当五位哲学家中的每一位设法同时选择左叉时,问题就出现了。
- 他们都在等待右叉是自由的,但他们在未吃完了食物之前永远不会放弃他们的叉子,并且永远不会有右叉。
因此,餐桌上会出现死锁。
并发系统中的死锁
现在如果我们看到,并发系统也会出现同样的问题。 上面例子中的叉子是系统资源,每个哲学家都可以表示这个竞争获取资源的过程。
Python程序的解决方案
通过将哲学家分为两种类型 - 贪婪的哲学家和慷慨的哲学家,可以找到解决这个问题的方法。
主要是一个贪婪的哲学家会尝试拿起左边的叉子,等到左边的叉出现。 然后,他会等待右叉子在那里,拿起来,吃,然后把它放下。 另一方面,一个慷慨的哲学家会尝试拿起左边的叉子,如果它不在那里,他会等一段时间再试一次。 如果他们拿到左边的叉子,他们会尝试找到右叉子。 如果他们也会得到正确的叉子,那么他们会吃饭并释放叉子。 但是,如果他们不能得到右叉子,那么他们也会释放左叉子。
import threadingimport randomimport timeclass DiningPhilosopher(threading.Thread): running = True def __init__(self, xname, Leftfork, Rightfork): threading.Thread.__init__(self) self.name = xname self.Leftfork = Leftfork self.Rigthfork = Rightfork def print_detail(self): print(self.name, self.Leftfork, self.Rigthfork) def run(self): while self.running: time.sleep(random.uniform(3, 10)) # 将随机生成下一个实数 print("{} is hungry.".format(self.name)) self.dine() def dine(self): fork1, fork2 = self.Leftfork, self.Rigthfork while self.running: fork1.acquire(True) # 拿起左手的叉子 locked = fork2.acquire(False) if locked: # 右边的叉子有人用,就放下左手的叉子 fork1.release() print("{} puts down fork.".format(self.name)) time.sleep(3) else: # 右手的叉子没人用,就拿起来吃 self.dining() try: # 吃完放下叉子 fork2.release() fork1.release() except: pass def dining(self): print("{} starts eating ".format(self.name)) time.sleep(random.uniform(1, 5)) print("{} finishes eating and now thinking.".format(self.name))def Dining_Philosophers(): forks = [threading.Lock() for _ in range(5)] philosopher_names = ["One", "Two", "Three", "Four", "Five"] philosophers = [DiningPhilosopher(philosopher_names[i], forks[i % 5], forks[(i + 1) % 5]) for i in range(5)] DiningPhilosopher.running = True for p in philosophers: p.start() time.sleep(30) DiningPhilosopher.running = False print("it is finishing")Dining_Philosophers()
运行结果:
E:\Anaconda\python.exe "F:/PythonSpace/Concurrent/6. dining_philosopher_problem.py"Five is hungry.Five puts down fork.One is hungry.Two is hungry.Two puts down fork.Five starts eating Three is hungry.Four is hungry.Four starts eating Two starts eating Four finishes eating and now thinking.Four puts down fork.Five finishes eating and now thinking.Five puts down fork.Four puts down fork.Two finishes eating and now thinking.Two puts down fork.Four starts eating Two starts eating Four finishes eating and now thinking.Four puts down fork.Two finishes eating and now thinking.Two puts down fork.Four starts eating Two starts eating Two finishes eating and now thinking.Two puts down fork.Four finishes eating and now thinking.Four puts down fork.Two starts eating Two finishes eating and now thinking.Two puts down fork.Four starts eating it is finishingFour finishes eating and now thinking.Five starts eating Five finishes eating and now thinking.One puts down fork.