python 多线程共享全局变量的优劣
一、多线程共享全局变量
首先我们来回忆下在函数中修改全局变量的情况。
在一个函数中,对全局变量进行修改的时候,到底是否需要使用global进行说明,要看是否对全局变量的执行指向进行了修改。
如果修改了执行指向,即让全局变量指向了一个新的地方,那么必须使用global。
如果仅仅是修改了指向的空间中的数据,此时不是必须要使用global。
我们来看一个例子,在这个例子中,让一个子线程对全局变量+1操作,另一个子线程只打印全局变量,看看数据是否共享。
fromthreadingimportThread importtime g_num=100 defwork1(): globalg_num g_num+=1 print("----inwork1,g_numis%d---"%g_num) defwork2(): print("----inwork2,g_numis%d---"%g_num) defmain(): print("---线程创建之前g_numis%d---"%g_num) t1=Thread(target=work1) t1.start() #延时一会,保证t1线程中的事情做完 time.sleep(1) t2=Thread(target=work2) t2.start() time.sleep(1) print("---线程创建之后g_numis%d---"%g_num) if__name__=="__main__": main()
如果子线程2打印出来的结果是100,说明全局变量不共享。
如果子线程2打印出来的数据是101,说明全局变量共享。
运行结果:
---线程创建之前g_numis100---
----inwork1,g_numis101---
----inwork2,g_numis101---
---线程创建之后g_numis101---
上面的例子说明,多线程是共享全局变量的。
二、列表当做实参传递到线程中
在上面,我们验证了多线程之间是共享全局变量的。
我们也可以将变量当作实参传递到线程中,来验证多线程中是共享数据的。
fromthreadingimportThread importtime defwork1(nums): nums.append(44) print("----inwork1---",nums) defwork2(nums): print("----inwork2---",nums) g_nums=[11,22,33] t1=Thread(target=work1,args=(g_nums,)) t1.start() #延时一会,保证t1线程中的事情做完 time.sleep(1) t2=Thread(target=work2,args=(g_nums,)) t2.start()
运行结果:
----inwork1---[11,22,33,44]
----inwork2---[11,22,33,44]
那为什么多个线程之间要共享全局变量,有什么好处么?
因为多任务往往配合使用。
在一个进程内的所有线程共享全局变量,就可以很方便在多个线程间共享数据。
缺点就是,线程是对全局变量随意修改可能造成多线程之间对全局变量的混乱(即线程非安全)。
以上就是python多线程共享全局变量的优劣的详细内容,更多关于python多线程共享全局变量的资料请关注毛票票其它相关文章!