Python 中多個線程之間是可以共享全局變量的數(shù)據(jù)的。

但是，多線程共享全局變量是會出問題的。

假設(shè)兩個線程 t1 和 t2 都要對全局變量 g_num (默認是0)進行加1運算，t1 和 t2 都各對 g_num 加10次，g_num 的最終的結(jié)果應(yīng)該為20。

但是由于多線程是同時操作，有可能出現(xiàn)下面情況：

在 g_num=0 時，t1 取得 g_num=0。此時系統(tǒng)把 t1 調(diào)度為”sleeping”狀態(tài)，把t2轉(zhuǎn)換為”running”狀態(tài)，t2 也獲得 g_num=0。

然后 t2 對得到的值進行加1并賦給 g_num，使得 g_num=1 。

接著系統(tǒng)又把 t2 調(diào)度為”sleeping”，把 t1 轉(zhuǎn)為”running”。線程t1又把它之前得到的0加1后賦值給g_num。

這樣導(dǎo)致雖然 t1 和 t2 都對 g_num 加1，但結(jié)果仍然是 g_num=1。

先看例子：

''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學(xué)習(xí)交流QQ群：778463939 尋找有志同道合的小伙伴，互幫互助,群里還有不錯的視頻學(xué)習(xí)教程和PDF電子書！ ''' import threading import timeg_num = 0def work1(num):global g_numfor i in range(num):g_num += 1print("----in work1, g_num is %d---" % g_num)def work2(num):global g_numfor i in range(num):g_num += 1print("----in work2, g_num is %d---" % g_num)print("---線程創(chuàng)建之前g_num is %d---" % g_num)t1 = threading.Thread(target=work1, args=(100,)) t1.start()t2 = threading.Thread(target=work2, args=(100,)) t2.start()# 確保子線程都運行結(jié)束 while len(threading.enumerate()) != 1:time.sleep(1)print("2個線程對同一個全局變量操作之后的最終結(jié)果是:%s" % g_num)

運行結(jié)果：

---線程創(chuàng)建之前g_num is 0--- ----in work1, g_num is 100--- ----in work2, g_num is 200---

2個線程對同一個全局變量操作之后的最終結(jié)果是:200

乍一看，好像沒出什么問題。那是因為數(shù)據(jù)太小了，我們現(xiàn)在把數(shù)據(jù)變大。

''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學(xué)習(xí)交流QQ群：778463939 尋找有志同道合的小伙伴，互幫互助,群里還有不錯的視頻學(xué)習(xí)教程和PDF電子書！ ''' import threading import timeg_num = 0def work1(num):global g_numfor i in range(num):g_num += 1print("----in work1, g_num is %d---" % g_num)def work2(num):global g_numfor i in range(num):g_num += 1print("----in work2, g_num is %d---" % g_num)print("---線程創(chuàng)建之前g_num is %d---" % g_num)t1 = threading.Thread(target=work1, args=(1000000,)) t1.start()t2 = threading.Thread(target=work2, args=(1000000,)) t2.start()# 確保子線程都運行結(jié)束 while len(threading.enumerate()) != 1:time.sleep(1)print("2個線程對同一個全局變量操作之后的最終結(jié)果是:%s" % g_num)

運行結(jié)果：

---線程創(chuàng)建之前g_num is 0--- ----in work2, g_num is 1048576--- ----in work1, g_num is 1155200---

2個線程對同一個全局變量操作之后的最終結(jié)果是:1155200

數(shù)越大，出現(xiàn)問題的概率越大，而且數(shù)據(jù)的偏差也越大。
結(jié)論

如果多個線程同時對同一個全局變量操作，會出現(xiàn)資源競爭問題，從而數(shù)據(jù)結(jié)果會不正確。

那能不能解決這個問題呢？

我們后面會講同步和互斥鎖的問題的。

通過同步和互斥鎖，我們可以解決 Python 中多線程共享全局變量時發(fā)生錯誤的問題。

總結(jié)

以上是生活随笔為你收集整理的Python 中多线程共享全局变量的问题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。