QA测试开发工程师面试题满分问答22: （干货）为什么要加锁Lock，举个例子说说

本文主要是介绍QA测试开发工程师面试题满分问答22: （干货）为什么要加锁Lock，举个例子说说，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

加锁原因

下面代码会有什么问题？

import threading
import requests
from queue import Queuedef make_request(url, params, results_queue):response = requests.get(url, params=params)result = {'url': url,'params': params,'response': response.text}results_queue.put(result)# 定义接口 URL
url = "https://api.example.com/endpoint"# 定义要传递给接口的不同参数列表
params_list = [{'param1': 'value1'},{'param2': 'value2'},{'param3': 'value3'}
]# 创建线程列表和结果队列
threads = []
results_queue = Queue()# 遍历参数列表，为每个参数创建一个线程并启动
for params in params_list:thread = threading.Thread(target=make_request, args=(url, params, results_queue))threads.append(thread)thread.start()# 等待所有线程执行完毕
for thread in threads:thread.join()# 从结果队列中获取结果
results = []
while not results_queue.empty():result = results_queue.get()results.append(result)# 打印结果
for result in results:print(f"URL: {result['url']}, Params: {result['params']}, Response: {result['response']}")

results_queue.put(result)，这里会有子线程并发写进同一个共享变量中，可能会数据不一致

加锁Lock

加个lock避免共享变量读写冲突，demo

import threading
import requests
from queue import Queuedef get_GTP4_result(url, results_dict):# 省略部分代码results_dict[url] = response# 定义要传递给接口的不同参数列表
url_list = ["http://1.jpg","https://2.jpg"
]# 创建线程列表和结果字典
threads, results_dict = [], {}# 创建锁对象
lock = threading.Lock()# 定义线程函数
def thread_function(url):response = get_GTP4_result(url)with lock:results_dict[url] = response# 遍历参数列表，为每个参数创建一个线程并启动
for url in url_list:thread = threading.Thread(target=thread_function, args=(url,))threads.append(thread)thread.start()# 等待所有线程执行完毕
for thread in threads:thread.join()# 按照URL的顺序获取结果
results = [results_dict[url] for url in url_list]# 打印结果
for result in results:print(f"Response: {result}")

加lock，具体有哪些好处

加锁（Lock）用于保护共享资源的访问，确保线程安全性。在多线程环境中，多个线程同时访问和修改共享变量可能导致数据竞争和不一致的结果。加锁可以解决这个问题，并提供以下好处：

数据一致性：加锁可以防止多个线程同时对共享变量进行读写操作，从而避免数据的不一致性。当一个线程获得锁后，其他线程需要等待锁的释放，确保每次只有一个线程能够修改共享变量。
线程安全性：通过加锁，可以保证对共享变量的操作是线程安全的。线程安全意味着多个线程并发地访问共享资源时，不会出现竞争条件、数据损坏或不一致的情况。
避免竞争条件：通过使用锁，可以防止多个线程同时执行对共享变量的修改操作，从而避免竞争条件的发生。竞争条件是指多个线程在执行过程中产生的不确定性结果，可能导致程序的错误行为。
保护临界区：加锁可以将一段代码标记为临界区，只允许一个线程进入执行。这样可以确保在该临界区内对共享变量的操作是原子的，不会受到其他线程的干扰。
同步线程执行顺序：使用锁可以控制多个线程的执行顺序，确保它们按照预期的顺序执行。通过在合适的地方加锁和释放锁，可以实现线程之间的同步和协调。

python的多线程如何加锁和释放锁，有几种方式

在 Python 中，可以使用 threading 模块提供的锁对象 Lock 来实现线程的加锁和释放锁。常用的加锁和释放锁的方法有以下几种：

使用 Lock 对象的 acquire() 和 release() 方法：
- acquire() 方法用于获取锁，如果锁已经被其他线程获取，则当前线程会被阻塞，直到锁被释放。
- release() 方法用于释放锁，将锁的状态设置为可获取，允许其他线程获取该锁。
```
import threading# 创建锁对象
lock = threading.Lock()# 在需要加锁的代码块中使用锁
lock.acquire()
try:# 执行需要加锁的操作# ...
finally:# 释放锁lock.release()
```

使用 with 语句简化锁的使用：
Lock 对象也支持上下文管理器协议，可以使用 with 语句来自动获取和释放锁。

import threading# 创建锁对象
lock = threading.Lock()# 在需要加锁的代码块中使用锁
with lock:# 执行需要加锁的操作# ...

使用 RLock 对象实现可重入锁：
RLock 是 Lock 的子类，支持同一个线程多次获取锁而不会造成死锁。如果在一个线程中多次获取 Lock 对象，该线程会一直处于阻塞状态，因为它已经持有了该锁。而 RLock 对象允许同一个线程多次获取锁，并通过相同次数的释放操作来释放锁。
```
import threading# 创建可重入锁对象
rlock = threading.RLock()# 在需要加锁的代码块中使用可重入锁
rlock.acquire()
try:# 执行需要加锁的操作# ...
finally:# 释放锁rlock.release()
```

这些方法都可以保证线程安全性，并避免多个线程同时访问共享资源。选择使用哪种方法取决于具体的需求和场景。通常情况下，推荐使用 with 语句来简化锁的使用，因为它可以自动处理锁的获取和释放，避免忘记释放锁的情况发生。如果需要支持同一个线程多次获取锁，可以使用 RLock 对象。

python多线程还有没有其他锁呢

除了常用的 Lock 和 RLock，Python 的 threading 模块还提供了其他类型的锁，用于不同的场景和需求。以下是一些常见的锁类型：

Semaphore（信号量）：信号量是一种允许多个线程同时访问临界区的锁机制。它维护一个内部计数器，线程在进入临界区之前必须先获得信号量的许可，每次许可获取后计数器减一。当计数器为零时，其他线程需要等待。可以使用 Semaphore 对象的 acquire() 和 release() 方法来控制许可的获取和释放。
```
import threading# 创建信号量对象，指定许可的数量
semaphore = threading.Semaphore(2)  # 允许两个线程同时访问临界区# 在需要访问临界区的代码块中使用信号量
semaphore.acquire()
try:# 执行需要访问的临界区操作# ...
finally:# 释放信号量semaphore.release()
```
Event（事件）：事件是一种线程间的通信机制，用于一个或多个线程等待某个事件的发生。它有两种状态：已设置和未设置。线程可以等待事件的设置，也可以通过设置事件来通知其他线程。Event 对象的 wait() 方法用于等待事件的设置，set() 方法用于设置事件，clear() 方法用于清除事件。
```
import threading# 创建事件对象
event = threading.Event()# 在等待事件发生的线程中使用事件
event.wait()# 在设置事件的线程中使用事件
event.set()# 在清除事件的线程中使用事件
event.clear()
```
Condition（条件）：条件是一种复杂的锁机制，用于线程间的协调和通信。它提供了一个线程可以等待的条件，并且可以通过 wait()、notify() 和 notifyAll() 方法来实现线程间的协调。Condition 对象基于底层的 Lock 对象来提供线程安全性。
```
import threading# 创建条件对象
condition = threading.Condition()# 在等待条件满足的线程中使用条件
condition.wait()# 在满足条件的线程中使用条件
condition.notify()# 在满足条件的线程中使用条件，通知所有等待的线程
condition.notifyAll()
```