python多线程编程5条件变量同步

python

互斥锁是最简单的线程同步机制,Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量,除了提供与Lock类似的acquire和release方法外,还提供了wait和notify方法。线程首先acquire一个条件变量,然后判断一些条件。如果条件不满足则wait;如果条件满足,进行一些处理改变条件后,通过notify方法通知其他线程,其他处于wait状态的线程接到通知后会重新判断条件。不断的重复这一过程,从而解决复杂的同步问题。

可以认为Condition对象维护了一个锁(Lock/RLock)和一个waiting池。线程通过acquire获得Condition对象,当调用wait方法时,线程会释放Condition内部的锁并进入blocked状态,同时在waiting池中记录这个线程。当调用notify方法时,Condition对象会从waiting池中挑选一个线程,通知其调用acquire方法尝试取到锁。

Condition对象的构造函数可以接受一个Lock/RLock对象作为参数,如果没有指定,则Condition对象会在内部自行创建一个RLock。

除了notify方法外,Condition对象还提供了notifyAll方法,可以通知waiting池中的所有线程尝试acquire内部锁。由于上述机制,处于waiting状态的线程只能通过notify方法唤醒,所以notifyAll的作用在于防止有线程永远处于沉默状态。

演示条件变量同步的经典问题是生产者与消费者问题:假设有一群生产者(Producer)和一群消费者(Consumer)通过一个市场来交互产品。生产者的”策略“是如果市场上剩余的产品少于1000个,那么就生产100个产品放到市场上;而消费者的”策略“是如果市场上剩余产品的数量多余100个,那么就消费3个产品。用Condition解决生产者与消费者问题的代码如下:

python;toolbar:false;">import threading

import time

class Producer(threading.Thread):

def run(self):

global count

while True:

if con.acquire():

if count > 1000:

con.wait()

else:

count = count+100

msg = self.name+" produce 100, count=" + str(count)

print msg

con.notify()

con.release()

time.sleep(1)

class Consumer(threading.Thread):

def run(self):

global count

while True:

if con.acquire():

if count < 100:

con.wait()

else:

count = count-3

msg = self.name+" consume 3, count="+str(count)

print msg

con.notify()

con.release()

time.sleep(1)

count = 500

con = threading.Condition()

def test():

for i in range(2):

p = Producer()

p.start()

for i in range(5):

c = Consumer()

c.start()

if __name__ == "__main__":

test()



以上是 python多线程编程5条件变量同步 的全部内容, 来源链接: utcz.com/z/523338.html

回到顶部