多執行緒共享全域性變數和加鎖機制

import threading

value = 0
def add_value():
#引用全域性變數，並保證全域性變數不被清零，使用global
global value
for x in range(1000):
value += 1
print('value:%d' % value)
def main():
for x in range(2):
#建立兩個執行緒
t = threading.thread(target=add_value())
t.start()
if __name__ == '__main__':
main()

value:1000

value:2000
process finished with exit code 0

當value的資料很大時，兩個執行緒同時執行的概率就很大，導致計算不準確，以至於產生髒資料，所以對資料加鎖是必要的

import threading

value = 0
glock = threading.lock()
def add_value():
global value
# acquire函式進行加鎖
glock.acquire()
for x in range(1000):
value += 1
# release函式進行解鎖
glock.release()
print('value:%d' % value)
def main():
for x in range(2):
t = threading.thread(target=add_value())
t.start()
if __name__ == '__main__':
main()

多執行緒共享變數 多執行緒共享全域性變數

1.多執行緒的執行順序是無序的 像2個人賽跑，乙個先跑乙個後跑，但根據每個人跑的速度不一樣，跑一半，二者可能跑在一起去了。2.又因為多執行緒是共享乙個全域性變數的，就導致資料容易被弄髒 假如老闆讓兩個員工寫兩個主題ppt，若這兩個人沒商量好，都做了同乙個主題的ppt，導致不但速度很慢，且這個ppt有...

7 多執行緒 全域性變數 共享全域性變數

多執行緒 全域性變數 共享全域性變數 多執行緒可以對全域性變數進行修改,修改後的結果會影響下乙個執行緒 程序不可以共享全域性變數,子程序是複製父程序的全域性變數,修改後互不影響 from threading import thread import time,random g num 100 def...

多執行緒共享全域性變數以及鎖機制

眾多周知，使用多執行緒爬蟲以後我們的爬取速度就會大大增加，如上篇文章中演示的原本需要6秒的執行速度，在增加兩個執行緒以後只需要3秒就可以執行完成。但是，多執行緒並非是沒有問題的，下面我們來看看這個例子 import threading value 0def add value global valu...