多线程存在共享全局变量的问题:

多线程都是在同一个进程中运行的，因此在进程中的全局变量所有线程都是可共享的。

这就造成一个问题，因为线程执行的顺序时无序的，有可能会造成数据错误

以上结果正常的话，应该是10000000和20000000，但因为多线程运行的不确定性，因此最后的结果可能是随机的

扩展：

启动一个线程时，线程并不会立即执行，而是等待CPU的资源调度，因次每个线程执行顺序是随机无序的，具有不确定性

# 多线程共享全局变量的问题

import threading

value = 0
value_2 = 0

def add_value():
    # 如果在函数中修改全局变量，需要global声明全局变量
    global value,value_2
    
    for x in range(100):
        value += 1
    print("{0}\tvalue的值：{1}".format(threading.current_thread().name,value))
    
    for y in range(10000000):
        value_2 += 1
    print("{0}\tvalue_2的值：{1}".format(threading.current_thread().name,value_2))
    
def main():
    for x in range(2):
        thread = threading.Thread(target=add_value)
        thread.start()

if __name__ == "__main__":
    main()

执行结果

 

锁机制和threading.Lock类:

为了解决共享全局变量的问题，threading提供了一个Lock类。

这个类可以在某个线程访问某个变量的时候加锁，其它线程此时就不能进来，直到当线程处理完后，把锁释放了，其它线程才能进来处理。

使用锁的原则:

1.把尽量少的和不耗时的代码放到锁中执行

2.代码执行完成后，要记得释放锁

# 锁机制和threading.Lock类

import threading

value = 0
value_2 = 0

# 生成一个锁对象
gLock = threading.Lock()

def add_value():
    # 如果在函数中修改全局变量，需要global声明全局变量
    global value,value_2
    
    # 加锁
    gLock.acquire()
    
    for x in range(100):
        value += 1
    print("{0}\tvalue的值：{1}".format(threading.current_thread().name,value))
    
    for y in range(10000000):
        value_2 += 1
    print("{0}\tvalue_2的值：{1}".format(threading.current_thread().name,value))
    
    # 释放锁
    gLock.release()
    
def main():
    for x in range(2):
        thread = threading.Thread(target=add_value)
        thread.start()

if __name__ == "__main__":
    main()