Python基础系列讲解——线程锁Lock的使用介绍

最新推荐文章于 2025-02-26 21:02:26 发布

原创

最新推荐文章于 2025-02-26 21:02:26 发布 · 545 阅读

本文介绍了Python中线程锁Lock的使用，探讨了GIL全局解释器锁的概念及其原因，以及如何通过Lock避免竞争条件，确保线程安全。通过示例展示了Lock的acquire和release方法，以确保并发执行的正确性。

我们知道Python的线程是封装了底层操作系统的线程，在Linux系统中是Pthread(全称为POSIX Thread)，在Windows中是Windows Thread。因此Python的线程是完全受操作系统的管理的。但是在计算密集型的任务中多线程反而比单线程更慢。

这是为什么呢？

在CPython 解释器中执行线程时，每一个线程开始执行时，都会锁住 GIL，以阻止别的线程执行。同样的，每一个线程执行完一段后，会释放 GIL，以允许别的线程开始利用资源。毕竟，如果Python线程在开始的时候锁住GIL而不去释放GIL，那别的线程就没有运行的机会了。

为什么要这么处理呢？

我们先来介绍下竞争条件（race condition）这个概念。竞争条件是指两个或者多个线程同时竞争访问的某个资源（该资源本身不能被同时访问），有可能因为时间上存在先后原因而出现问题，这种情况叫做竞争条件（Race Condition）。（Python中进程是有独立的资源分配，线程是共用资源分配）

回到CPython上，CPython是使用引用计数器来管理内存的，所有创建的对象，都会有一个引用计数来记录有多少个指针指向它。如下所示：

a_val = []
def ReferCount():
 print(sys.getrefcount(a_val)) # 2
 b = a_val
 c = a_val
 print(sys.getrefcount(a_val)) # 4

当引用计数为0时，CPython解释器会自动释放内存。这样一来，如果有两个Python线程同时引用了一个变量，就会造成引用计数的竞争条件（race condition）。因此引用计数变量需要在两个线程同时增加或减少时从竞争条件中得到保护。如果发生了这种情况，可能会导致泄露的内存永远不会被释放，更严重的是当一个对象的引用仍然存在的情况下错误地释放内存，导致Python程序崩溃或带来各种诡异的问题。

以下是官方给的解释：
In CPython, the global interpreter lock,