多线程同步方式有哪些

发布网友 发布时间：2022-04-22 01:03

我来回答

共3个回答

懂视网 时间：2022-05-10 22:39

临界资源即那些一次只能被一个线程访问的资源，典型例子就是打印机，它一次只能被一个程序用来执行打印功能，因为不能多个线程同时操作，而访问这部分资源的代码通常称之为临界区。

锁机制

threading的Lock类，用该类的acquire函数进行加锁，用realease函数进行解锁

import threading
import time

class Num:
 def init(self):
 self.num = 0
 self.lock = threading.Lock()
 def add(self):
 self.lock.acquire()#加锁，锁住相应的资源
 self.num += 1
 num = self.num
 self.lock.release()#解锁，离开该资源
 return num

n = Num()
class jdThread(threading.Thread):
 def init(self,item):
 threading.Thread.init(self)
 self.item = item
 def run(self):
 time.sleep(2)
 value = n.add()#将num加1，并

当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“同步阻塞”（参见多线程的基本概念）。

直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入“unlocked”状态。线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态。

信号量

信号量也提供acquire方法和release方法，每当调用acquire方法的时候，如果内部计数器大于0，则将其减1，如果内部计数器等于0，则会阻塞该线程，知道有线程调用了release方法将内部计数器更新到大于1位置。

import threading
import time
class Num:
 def init(self):
 self.num = 0
 self.sem = threading.Semaphore(value = 3)
 #允许最多三个线程同时访问资源

 def add(self):
 self.sem.acquire()#内部计数器减1
 self.num += 1
 num = self.num
 self.sem.release()#内部计数器加1
 return num

n = Num()
class jdThread(threading.Thread):
 def init(self,item):
 threading.Thread.init(self)
 self.item = item
 def run(self):
 time.sleep(2)
 value = n.add()
 print(self.item,value)

for item in range(100):
 t = jdThread(item)
 t.start()
 t.join()

条件判断

所谓条件变量，即这种机制是在满足了特定的条件后，线程才可以访问相关的数据。

它使用Condition类来完成，由于它也可以像锁机制那样用，所以它也有acquire方法和release方法，而且它还有wait，notify，notifyAll方法。

"""
一个简单的生产消费者模型，通过条件变量的控制产品数量的增减，调用一次生产者产品就是+1，调用一次消费者产品就会-1.
"""

"""
使用 Condition 类来完成，由于它也可以像锁机制那样用，所以它也有 acquire 方法和 release 方法，而且它还有
wait， notify， notifyAll 方法。
"""

import threading
import queue,time,random

class Goods:#产品类
 def init(self):
 self.count = 0
 def add(self,num = 1):
 self.count += num
 def sub(self):
 if self.count>=0:
 self.count -= 1
 def empty(self):
 return self.count <= 0

class Producer(threading.Thread):#生产者类
 def init(self,condition,goods,sleeptime = 1):#sleeptime=1
 threading.Thread.init(self)
 self.cond = condition
 self.goods = goods
 self.sleeptime = sleeptime
 def run(self):
 cond = self.cond
 goods = self.goods
 while True:
 cond.acquire()#锁住资源
 goods.add()
 print("产品数量:",goods.count,"生产者线程")
 cond.notifyAll()#唤醒所有等待的线程--》其实就是唤醒消费者进程
 cond.release()#解锁资源
 time.sleep(self.sleeptime)

class Consumer(threading.Thread):#消费者类
 def init(self,condition,goods,sleeptime = 2):#sleeptime=2
 threading.Thread.init(self)
 self.cond = condition
 self.goods = goods
 self.sleeptime = sleeptime
 def run(self):
 cond = self.cond
 goods = self.goods
 while True:
 time.sleep(self.sleeptime)
 cond.acquire()#锁住资源
 while goods.empty():#如无产品则让线程等待
 cond.wait()
 goods.sub()
 print("产品数量:",goods.count,"消费者线程")
 cond.release()#解锁资源

g = Goods()
c = threading.Condition()

pro = Producer(c,g)
pro.start()

con = Consumer(c,g)
con.start()

同步队列

put方法和task_done方法，queue有一个未完成任务数量num，put依次num+1，task依次num-1.任务都完成时任务结束。

import threading
import queue
import time
import random

'''
1.创建一个 Queue.Queue() 的实例，然后使用数据对它进行填充。
2.将经过填充数据的实例传递给线程类，后者是通过继承 threading.Thread 的方式创建的。
3.每次从队列中取出一个项目，并使用该线程中的数据和 run 方法以执行相应的工作。
4.在完成这项工作之后，使用 queue.task_done() 函数向任务已经完成的队列发送一个信号。
5.对队列执行 join 操作，实际上意味着等到队列为空，再退出主程序。
'''

class jdThread(threading.Thread):
 def init(self,index,queue):
 threading.Thread.init(self)
 self.index = index
 self.queue = queue

 def run(self):
 while True:
 time.sleep(1)
 item = self.queue.get()
 if item is None:
 break
 print("序号：",self.index,"任务",item,"完成")
 self.queue.task_done()#task_done方法使得未完成的任务数量-1

q = queue.Queue(0)
'''
初始化函数接受一个数字来作为该队列的容量，如果传递的是
一个小于等于0的数，那么默认会认为该队列的容量是无限的.
'''
for i in range(2):
 jdThread(i,q).start()#两个线程同时完成任务

for i in range(10):
 q.put(i)#put方法使得未完成的任务数量+1

【相关推荐】

1. Python免费视频教程

2. Python学习手册

3. 马哥教育python基础语法全讲解视频

热心网友 时间：2022-05-10 19:47

java中多线程的实现方法有两种：
1.直接继承thread类；
2.实现runnable接口同步的实现方法有五种：1.同步方法；2.同步代码块；3.使用特殊域变量（volatile）实现线程同步；4.使用重入锁实现线程同步；5.使用局部变量实现线程同步

热心网友 时间：2022-05-10 21:05

多线程度同步方式有哪些我觉得还是蛮多的这种方式因为它可以啊，同步进行更新连载。