python解決線程同步方案有哪些

 先提到線程同步是個什麼，概念是什麼，就是線程通訊中通過使用某種技術訪問數據時，而一旦此線程訪問到，其他線程也就不能訪問了，直到該線程對數據完成操作才結束。
     Event事件是一種實現方式:通過內部的標記看看是不是變化，也就是true or false了，
     將set（），clear（），is_set（），爲true，wait（timeout=None）此種設置true的時長，等到返回false，不等到超時返回false，無線等待爲None，

     來看一個wait的使用：

from threading import Event, Thread
import logging

logging.basicConfig(level=logging.INFO)

def A(event:Event, interval:int):
    while not event.wait(interval): # 要麼true  or false
        logging.info('hello')

e = Event()
Thread(target=A, args=(e, 3)).start()

e.wait(8)
e.set()
print('end--------------')

使用鎖Lock解決數據資源在爭搶，從而使資源有效利用。
lock的方法：
acquire(blocking=True,timeout=-1),默認阻塞，阻塞設置超時時間，非阻塞，timeout禁止使用，成功獲取鎖，返回True，否則False。
有阻塞就有釋放，解開鎖，release（），從線程釋放鎖，上鎖的鎖重置爲unloced未上鎖調用，拋出RuntimeError異常。

import threading
from threading import Thread, Lock
import logging
import time

FORMAT = '%(asctime)s %(threadName)s %(thread)d %(message)s'

logging.basicConfig(format=FORMAT, level=logging.INFO)


cups = []
lock = Lock()

def worker(count=10):
    logging.info("I'm working for U.")
    flag = False
    while True:

    lock.acquire() # 獲取鎖

    if len(cups) >= count:
        flag = True

    time.sleep(0.0001) 
    if not flag:
        cups.append(1)

    if flag:
        break

logging.info('I finished. cups = {}'.format(len(cups)))


for _ in range(10):
    Thread(target=worker, args=(1000,)).start()

使用鎖的過程中，總是不經意加上鎖，出現死鎖的產生，出現了死鎖，如何解決呢？
使用try finally 將鎖釋放，另一種使用with上下文管理。
鎖的使用場景在於應該少用鎖，還要就是如若上鎖，將鎖的使用時間縮短，避免時間太長而出現無法釋放鎖的結果。

可重入鎖Lock，


import threading
import time

lock = threading.RLock()
print(lock.acquire())
print('------------')
print(lock.acquire(blocking=False))
print(lock.acquire())
print(lock.acquire(timeout=3.55))
print(lock.acquire(blocking=False))
#print(lock.acquire(blocking=False, timeout=10)) # 異常
lock.release()
lock.release()
lock.release()
lock.release()
print('main thread {}'.format(threading.current_thread().ident))
print("lock in main thread {}".format(lock)) # 注意觀察lock對象的信息
lock.release()
#lock.release() #多了一次
print('===============')
print()

print(lock.acquire(blocking=False)) # 1次
#threading.Timer(3, lambda x:x.release(), args=(lock,)).start() # 跨線程了，異常
lock.release()
print('~~~~~~~~~~~~~~~~~')
print()

# 測試多線程
print(lock.acquire())

def sub(l):
    print('{}: {}'.format(threading.current_thread(), l.acquire())) # 阻塞
    print('{}: {}'.format(threading.current_thread(), l.acquire(False)))
    print('lock in sub thread {}'.format(lock))
    l.release()
    print('sub 1')
    l.release()
    print('sub 2')
    # l.release() # 多了一次

threading.Timer(2, sub, args=(lock,)).start() # 傳入同一個lock對象
print('++++++++++++++++++++++')
print()

print(lock.acquire())

lock.release()
time.sleep(5)
print('釋放主線程鎖')
lock.release()

使用構造方法Condition（lock=None），默認是Rloc，
具體方法爲;
acquire(*args),獲取鎖
wait(self,timeout=None)，等待或超時
notify(n=1),喚醒線程，沒有等待就沒有任何操作，指線程
notify_all()，喚醒所有等待的線程。
Condition主要用於生產者和消費者模型中，解決匹配的問題。
使用方式：先獲取acquire，使用完了要釋放release，避免死鎖最好使用with上下文；生產者和消費者可以使用notify and notify_all。

如下例子：

from threading import Thread, Event
import logging
import random

FORMAT = '%(asctime)s %(threadName)s %(thread)d %(message)s'
logging.basicConfig(format=FORMAT, level=logging.INFO)

## 此例只是爲了演示，不考慮線程安全問題

class Dispatcher:
    def __init__(self):
        self.data = None
        self.event = Event() # event只是爲了使用方便，與邏輯無關

    def produce(self, total):
        for _ in range(total):
            data = random.randint(0,100)
            logging.info(data)
            self.data = data
            self.event.wait(1)
            self.event.set()

    def consume(self):
        while not self.event.is_set():
            data = self.data
            logging.info("recieved {}".format(data))
            self.data = None
            self.event.wait(0.5)

d = Dispatcher()
p = Thread(target=d.produce, args=(10,), name='producer')
c = Thread(target=d.consume, name='consumer')
c.start()
p.start()

這裏代碼會有缺陷：優化如下：

from threading import Thread, Event, Condition
import logging
import random

FORMAT = '%(asctime)s %(threadName)s %(thread)d %(message)s'
logging.basicConfig(format=FORMAT, level=logging.INFO)

## 此例只是爲了演示，不考慮線程安全問題

class Dispatcher:
    def __init__(self):
        self.data = None
        self.event = Event() # event只是爲了使用方便，與邏輯無關
        self.cond = Condition()

    def produce(self, total):
        for _ in range(total):
            data = random.randint(0,100)
            with self.cond:
                logging.info(data)
                self.data = data
                self.cond.notify_all()
                self.event.wait(1) # 模擬產生數據速度
                self.event.set()

    def consume(self):
        while not self.event.is_set():
            with self.cond:
                self.cond.wait() # 阻塞等通知
                logging.info("received {}".format(self.data))
            self.event.wait(0.5) # 模擬消費的速度

d = Dispatcher()
p = Thread(target=d.produce, args=(10,), name='producer')
# 增加消費者

for i in range(5):
    c = Thread(target=d.consume, name='consumer-{}'.format(i))
    c.start()
p.start()

Barrier的使用：
方法如下：
Barrier(parties, action=None,
timeout=None)，構建barrier對象，timeout未指定的默認值；
n_waiting ，當前barrier等待的線程數。；
parties ，需要等待
wait(timeout=None)，wait方法設置超時並超時發送，barrie處於broken狀態。
而broken的狀態方法：
broken，打開狀態，返回true；
abort（），barrier在broken狀態中，wait等待的線程會拋出BrokenBarrierError異常，直到reset恢復barrier；
reset（），恢復barrier，重新開始攔截。
barrier不做演示：

還有semaphore信號量，每次acquire時，都會減一，到0時的線程再到release後，大於0，恢復阻塞的線程。
方法：
Semaphore(value=1) 構造方法，alue小於0，拋ValueError異常；
acquire(blocking=True, timeout=None) 獲取信號量，計數器減1，獲取成功返回True；
release() 釋放信號量，計數器加1。
使用信號量處理時，需要注意release超界問題，邊界問題，其實，在使用中，python有GIL的存在，有的多線程就變成線程安全的，注意一點，但實際上它們並不是線程安全類型。因此我們在使用中要具體場景具體分析具體使用。

python解決線程同步方案有哪些

python併發線程那些事

python解決線程同步方案有哪些

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結