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！