下面的脚本是抽象的。我的问题是关于 threading.Lock()
锁定限制了对“共享资源”的访问,但我对这能走多远感到紧张。在本示例中,我有对象属性,它们是具有数组属性的对象列表。在某些情况下,依赖关系会更远。
Lock() 是否确实“知道”所有需要锁定的东西?
还显示了以下脚本的输出。该脚本的目的主要是为了讨论 - 它不会失败,但我不确定它是否锁定了所需的一切。
start: [array([0, 1]), array([0, 1, 2]), array([0, 1, 2, 3])]
append an object
done!
finish: [array([505, 605]), array([10, 11, 12]), array([10, 11, 12, 13]), array([5])]
import time
from threading import Thread, Lock
import numpy as np
class Bucket(object):
def __init__(self, objects):
self.objects = objects
class Object(object):
def __init__(self, array):
self.array = array
class A(Thread):
def __init__(self, bucket):
Thread.__init__(self)
self.bucket = bucket
def run(self):
nloop = 0
locker = Lock()
n = 0
while n < 10:
with locker:
objects = self.bucket.objects[:] # makes a local copy of list each time
for i, obj in enumerate(objects):
with locker:
obj.array += 1
time.sleep(0.2)
n += 1
print 'n: ', n
print "done!"
return
objects = []
for i in range(3):
ob = Object(np.arange(i+2))
objects.append(ob)
bucket = Bucket(objects)
locker = Lock()
a = A(bucket)
print [o.array for o in bucket.objects]
a.start()
time.sleep(3)
with locker:
bucket.objects.append(Object(np.arange(1))) # abuse the bucket!
print 'append an object'
time.sleep(5)
print [o.array for o in bucket.objects]
请您参考如下方法:
你似乎误解了锁的工作原理。
锁不锁定任何对象,它只能锁定线程执行。
尝试进入 with locker: block 的第一个线程成功。
如果另一个线程试图进入一个 with locker: block (具有相同的 locker 对象),它会被延迟,直到第一个线程退出 block ,所以两个线程都不能同时更改 block 内变量的值。
这里您的“共享资源”是您在 block 中更改的变量:如我所见,objects 和 obj.array。您基本上是在保护它们免受并发访问(也就是说 - 在没有 GIL 的 python 版本中)只是因为一次只有一个线程可以更改它们
老前辈称其为临界区,其中一次只能执行 1 个线程。
请注意,对不同的资源使用相同的 locker 对象有点可疑。这有更多的机会死锁/比它需要的更慢。
(如果你嵌套 2 个 with locker 调用你会遇到死锁 - 如果你想这样做,你需要一个 RLock)
就是这么简单。
