某个线程要共享数据时,先将其锁定,此时资源的状态为“锁定”,其他线程不能更改;直到该线程释放资源,将资源的状态变成“非锁定”,其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进入写入操作,从而保证了多线程情况下数据的正确性。
采用f_flag的方法效率低
创建锁
mutex=threading.Lock()
锁定
mutex.acquire([blocking])#里面可以加blocking(等待的时间)或者不加,不加就会一直等待(堵塞)
释放
mutex.release()
import threading from threading import Thread from threading import Lock import time thnum=0 #两个线程都在抢着对这个锁进行上锁,如果有一方成功上锁,那么导致另外一方会堵塞(一直等待),到这个锁被解开为之 class MyThread(threading.Thread): def run(self): mutex.acquire() for i in range(10000): global thnum thnum+=1 print(thnum) mutex.release() def test(): global thnum mutex.acquire() #等待可以上锁,通知而不是轮训,没有占用CPU for i in range(10000): thnum+=1 print(thnum) mutex.release()#解锁 mutex=Lock() if __name__=='__main__': t=MyThread() t.start() #创建一把互斥锁,默认是没有上锁的 thn=Thread(target=test) thn.start() ''''' 10000 20000 '''
只要一上锁,由多任务变为单任务,相当于只有一个线程在运行。
下面的代码相对上面加锁的时间变短了
import threading from threading import Thread from threading import Lock import time thnum=0 #两个线程都在抢着对这个锁进行上锁,如果有一方成功上锁,那么导致另外一方会堵塞(一直等待),到这个锁被解开为之 class MyThread(threading.Thread): def run(self): for i in range(10000): mutex.acquire() global thnum thnum+=1 mutex.release()#释放后,都开始抢,这样上锁的时间变短 print(thnum) def test(): global thnum for i in range(10000): mutex.acquire() thnum+=1 mutex.release()#解锁 print(thnum) mutex=Lock() if __name__=='__main__': t=MyThread() t.start() #创建一把互斥锁,默认是没有上锁的 thn=Thread(target=test) thn.start() ''''' 10000 20000 '''
只有必须加锁的地方才加锁
同步:按照预定的先后顺序执行
一个运行完后,释放下一个,下一个锁定后运行,再释放下一个,下一个锁定后,运行后释放下一个..... 释放第一个
异步:
#异步的实现 from multiprocessing import Pool import time import os #getpid()获取当前进程的进程号 #getppid()获取当前进程的父进程号 def test():#子进程 print("----进程池中的进程-----pid=%d,ppid=%d --"%(os.getpid(),os.getppid())) for i in range(3): print("-----%d----"%i) time.sleep(1) return "over" #子进程执行完后返回给操作系统,返回给父进程 def test2(args): print("-----callback func----pid=%d"%os.getpid())#主进程调用test2 print("------callback func---args=%s"%args) def main(): pool=Pool(3) pool.apply_async(func=test,callback=test2)#回调 time.sleep(5)#收到func进程结束后的信号后,执行回调函数test2 print("----主进程-pid = %d"%os.getpid()) if __name__=="__main__": #main() pool=Pool(3) pool.apply_async(test,callback=test2)#回调 time.sleep(5)#收到func进程结束后的信号后,执行回调函数test2 print("----主进程-pid = %d"%os.getpid()) '''''显示结果不太正确,应该先运行test呀,再运行test2 -----callback func----pid=7044 ------callback func---args=over ----主进程-pid = 7044 ----进程池中的进程-----pid=3772,ppid=7044 -- -----0---- -----1---- -----2---- '''
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“python互斥锁、加锁、同步机制、异步通信知识总结”评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
2025年01月11日
2025年01月11日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]