
作者:小K
来源:麦叔编程
❝
上期的Python三分钟留言区,有很多小伙伴想了解Python的GIL是个啥玩意。
但是想了解GIL到底是个啥,我们需要学习一些前置的知识。
这样才能更好得了解GIL。
❞
线程安全, 是指变量或方法(这些变量或方法是多线程共享的) 可以在多线程的环境下被安全有效的访问。
太抽象了?我举个例子:
假如今天中午12:00,在某平台有1元抢茅台活动,参加活动的茅台就一瓶。
但是中午集结了好几万用户在线等开抢信号,时间到了12:00:00,这些用户疯狂点击屏幕抢购。
此时某平台肯定要保证只有一个人能获得活动茅台,要不然平台还不赔死。「这就是线程安全的概念。」
import threadingzero = 0def change_zero(): global zero for i in range(3000000): zero += 1 zero -= 1th1 = threading.Thread(target = change_zero)th2 = threading.Thread(target = change_zero)th1.start()th2.start()th1.join()th2.join()print(zero)
我定义了一个函数change_zero对全局变量zero+1、-1操作。
还定义了两个线程th1和th2去执行它3000000*2次。
每次+1、-1都会被执行的话,输出的zero肯定还是0,
但是代码执行之后...
好像根本不会还等于0。
所以我们推测,运行当中肯定有几次+1,-1的操作没有有效地被执行。(线程非安全)。
但是这样的代码投入生产肯定是有bug的,如果将这代码用在一些金额结算上,那写代码的人肯定是头铁了。
❝
那有什么办法能拯救线程非安全的操作呢?
❞
有个很常用的方法,那就是「加锁」。
import threadinglock = threading.Lock() # 创建线程锁zero = 0def change_zero(): global zero for i in range(3000000): with lock: # 把线程非安全操作加锁 zero += 1 zero -= 1th1 = threading.Thread(target = change_zero)th2 = threading.Thread(target = change_zero)th1.start()th2.start()th1.join()th2.join()print(zero)
从上方代码中,我们把zero += 1和zero -= 1这两步操作进行加锁。
❝
类似于接力跑,只有从前一棒队友手中接过接力棒,才能往下一棒队友那边跑,没有完成接力棒交接则不能跑。
❞
❝
上下文管理器with lock在操作进行时会执行lock.acquire()拿到锁,执行完毕后会将锁释放给下一个操作lock.release()。
❞
运行上方加了锁之后的代码:
得到的结果都是0,没再出现计算混乱的情况,这就从线程非安全转变成线程安全操作了。
看到这,你是否有疑问了?
Python不是有GIL护体吗?怎么还会出现这种线程非安全的情况?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08