.png)
目录
-
锁的使用姿势
-
锁 的作用
-
防止死锁产生
-
全局锁GIL
锁的使用姿势
姿势一：
-
threading.Lock() ： 来创建锁对象
-
acquire() ：获取锁
-
release() : 释放锁
import threading #创建锁对象 lock = threading.Lock() #获取锁 lock.acquire() #释放锁 lock.release()
解释： acquire() 和 release() 是成对出现的。往往死锁的出现就是 release 没有执行
姿势二：
-
threading.Loc() ： 创建锁对象
-
with : 上下文管理器来获取，释放锁
import threading
lock = threading.Lock()
with lock:
#业务代码
pass
解释： with 是可以 自动 获取锁 和 释放锁的，可以防止我们忘记释放锁而造成死锁的情况发生
锁的作用
锁的 核心作用 就是为了保证数据的
一致性 ，对锁内的资源（变量）进行锁定，避免其它线程偷偷进行
篡改 。以达到我们的预期效果。即：
异步变同步。
用例一：
.png)
解析：
由于线程是内核级别的，它的切换是由CPU说了算，两线程间的执行顺序是完全没有约束的，轮到谁了就谁上。所以整个结果是无序的。
用例二：
.png)
解析：
-
work1 由于先启动，它先锁定了资源
-
work2 切换进来的时候，发现资源是锁定的，所以它只能继续等待
-
work2 会在 “切换”与“等待”这两个状态间进行轮替，直到work1 释放锁
所以，我们看到的执行顺序一直就是图上的结果了。这样也就达到了我们的预期效果了。
防止死锁产生
死锁的原因是多种多样的，但是本质就是对资源不合理的竞争锁导致的。
死锁的常见原因：
-
同一个线程 ： 嵌套获取同一把锁，导致获取释放锁不合理而造成死锁
-
多个线程 : 不安顺序同事获取多个锁，造成死锁
第一种就不用说了，这里介绍一下第二种情况:
前提条件：
-
线程1 ： 嵌套获取 A , B 两个锁
-
线程2 : 嵌套获取 B , A 两个锁
执行情况：
-
线程1 获取了A 锁 ， 而没有获取B 锁
-
线程2 获取了B 锁 ， 而没有获取A 锁
执行结果：
-
线程1 在等待线程2 释放B 锁 然后结束任务，
-
线程2 在等待 线程1 释放A 锁， 然后结束任务
-
最终两个线程就陷入了相互等待的局面了。这个就是死锁
用例一：
.png)
全局锁
我们都知道 多进程是真正的并行执行 ， 多线程只是交替执行。
python 中导致 线程 交替执行的是一个叫 GIL 【Global Interpreter Lock】全局锁 的东西
什么GIL?
Python 在线程执行前，必须加上一个 GIL 锁， 然后，每执行100条字节码， 解释器就释放GIL 锁， 让别的线程有机会执行。这个GIL 全局锁实际上把
所有 线程的执行代码都上锁了，所以，多线程在Python 中只能交替执行 ， 即使是100 个线程跑在了 100核的CPU 上，也只有一个核在运算。
注意，GIL 不是Python 本身的特性，而是它的解析器之一的
CPython 的特性。 Python 的解析器还有：
PyPy , Psyco ， JPython 等。只是我们绝大多数情况下，都是使用的是CPython 这个解析器，所以也就默认了 Python 有 GIL 这个特性了。
都知道GIL 影响性能， 那么如何避免受到 GIL 的影响？
-
使用多进程代替多线程
-
更换Python 解析器， 不使用 CPython
另外， Python 的线程在I/O 开销比较大的情况下，优势还是特别明显的。