from threading import local

多个线程操作同一个变量,如果不加锁,会出现数据错乱问题,但是 读个线程同时操作 threading.local 对象 就不会出现数据错乱

作用: 线程变量,意思是threading.local中填充的变量属于当前线程,该变量对其他线程而言是隔离的,也就是说该变量是当前线程独有的变量,threading.local为变量在每个线程中都创建了一个副本,那么每个线程可以访问自己内部的副本变懒

不使用threading.local之前

由于多线程共享全局变量,所以一个线程拿到的全局变量的是未必是当时自己修改后的值,有可能在拿到全局变量之前其他线程也对该全局变量进行了修改,原因是线程的调度室友操作系统决定的

from threading import Thread, get_ident

import time

# 全局变量
num = 0 def task(arg):
global num
num += 1
time.sleep(1)
# get_ident()返回的是每一个线程的唯一标识
print('第%s条线程的值为:' % (get_ident()), num) for i in range(10):
t = Thread(target=task, args=(i,))
t.start()
'''
由于每个线程只对全局变量做了一次修改
我们中间设置了1秒的延时
所以10个线程打印的全局变量的值都是最后修改的值,而并不是当时线程自己修改后的值。
'''

threading.local的基本使用

from threading import Thread, get_ident, local

import time

local_obj = local()

def task(arg):
# get_ident()返回的是每一个线程的唯一标识
print(get_ident())
# 在线程执行到此处时,为每一个线程开辟空间用来存储对象的值
local_obj.value = arg
time.sleep(1)
print('第%s条线程的值为:' % (get_ident()), local_obj.value) for i in range(10):
t = Thread(target=task, args=(i,))
t.start() '''
由于创建了threading.local对象
当为对象赋值属性的时候,会为每个线程开辟一块空间来存储对象的属性值,空间与空间之间数据是隔离的
这样最终打印的时候就是线程自己空间中保存的数据的值
'''

自定义local对象,基于函数

flask 的request,和session 都是全局的,但是我们在不同的视图函数中使用的 是针对于当前这次请求的对象,它的底层就是基于local写的

flask部署支持多进程线程架构,也支持协程架构,flask内部重写了local,让它支持线程和协程

import time

from threading import get_ident, Thread

# 构造一个全局字典
storage = {} def set(k, v):
# 获取当前字典
ident = get_ident()
if ident in storage:
# 如果当前线程id存在就修改id对应的值
storage[ident][k] = v
else:
# 如果不存在,就放进去,新增
storage[ident] = {k: v} def get(k):
ident = get_ident()
return storage[ident][k] def task(arg):
set('val', arg)
time.sleep(1)
print(get('val')) for i in range(10):
t = Thread(target=task, args=(i,))
t.start()

自定义local对象,基于面向对象(支持线程与协程)

import time

# 支持线程与协程
try:
# 如果用的是协程的,获取的就是协程的id号
from greenlet import getcurrent as get_ident
except Exception as e:
# 如果用的是线程的,那么获取到的就是线程的id号
from threading import get_ident from threading import Thread class CustomLocal(object):
"""
自定义local对象,基于面向对象
为每个线程(协程)开辟一块空间进行数据的存储
空间与空间之间是隔离的
""" def __init__(self):
# self.storage = {} # 执行此句代码的时候会先触发__setattr__方法
# 为了避免报错:RecursionError: maximum recursion depth exceeded while calling a Python object
# 需要先把storage创建出来,所以调用父类的__setattr__方法
# super(CustomLocal, self).__setattr__("storage", {})
object.__setattr__(self, 'storage', {}) # 父类调用类方法,类来调用变成普通函数,有几个值传入几个值,放入self里面去,后面用self.storage def __setattr__(self, key, value):
ident = get_ident()
if ident in self.storage:
self.storage[ident][key] = value
else:
self.storage[ident] = {key: value} # 执行此句的时候又会触发__setattr__方法,所有就进入了死循环 def __getattr__(self, item):
ident = get_ident() # 看是获取到的是线程的还是携程的id号
return self.storage[ident][item] local = CustomLocal() def task(arg):
local.var = arg
time.sleep(1)
print(local.var) for i in range(10):
t = Thread(target=task, args=(i,))
t.start()

threading.local的使用的更多相关文章

  1. 自定义threading.local

    1.threading相关. # Author:Jesi # Time : 2018/12/28 14:21 import threading import time from threading i ...

  2. threading.local学习

    多线程抢占问题 import time import threading obj = 5 def task(arg): global obj obj = arg time.sleep(1) print ...

  3. Threading.local

    在多线程环境下,每个线程都有自己的数据.一个线程使用自己的局部变量比使用全局变量好,因为局部变量只有线程自己能看见,不会影响其他线程,而全局变量的修改必须加锁. Threading.local可以创建 ...

  4. 网络编程 多线程/socketserver模块/ threading.local

    线程:进程中负责程序执行的执行单元. 多线程:在1个进程中存在多个线程. 进程只是用来把资源集中在一起,而线程才是cpu上的执行单位. 每个进程都会默认有一个控制线程也叫作主线程. 进程之间是竞争关系 ...

  5. 多线程局部变量之threading.local()用法

    假如,开了十个线程并且做同样的一件事,他们需要带着自己的数据进来,完成事情后带着自己的数据出去.如果是并发,同时进来,他们的数据就会混乱. 一般情况,我们加锁就可以了,一个人先进来,先加锁,另一个人过 ...

  6. python之threading.local

    简述: threading.local是全局变量但是它的值却在当前调用它的线程当中 作用: 在threading module中,有一个非常特别的类local.一旦在主线程实例化了一个local,它会 ...

  7. [Python 多线程] threading.local类 (六)

    在使用threading.local()之前,先了解一下局部变量和全局变量. 局部变量: import threading import time def worker(): x = 0 for i ...

  8. threading.local()方法;线程池

    一,threading.local() import time import threading v = threading.local() def func(arg): # 内部会为当前线程创建一个 ...

  9. 多线程threading.local的作用及原理?

    1.示例代码 import time import threading v = threading.local() def func(arg): # 内部会为当前线程创建一个空间用于存储:phone= ...

  10. 线程锁、threading.local(flask源码中用的到)、线程池、生产者消费者模型

    一.线程锁 线程安全,多线程操作时,内部会让所有线程排队处理.如:list/dict/Queue 线程不安全 + 人(锁) => 排队处理 1.RLock/Lock:一次放一个 a.创建10个线 ...

随机推荐

  1. PINN做脆性材料裂纹扩展的损失函数设计

  2. PD项目管理工具实战指南:产品研发流程优化的数字化利器(2025深度选型推荐)

    在研发项目管理领域,越来越多企业正从传统"瀑布式开发"转向 集成产品开发(IPD)模式.这一方法论不仅强调跨部门协同.流程分阶段控制,更对工具系统提出了更高要求:要能穿透组织架构. ...

  3. 微信小程序调用SAP发布的REST显示数据列表

    看了一段时间的微信小程序,感觉对一些企业来说,也是可以用起来的.哪怕只是简单的使用. 先发布REST:参照这里:https://www.cnblogs.com/sapSB/p/9968054.html ...

  4. jsrpc+mitmproxy联动burp实现加密自动化

    前言 在测试中发现,数据包中存在一个签名字段,将请求体进行修改后,服务器会302跳转到登录页 创建Jsrpc连接 根据关键字找到sign生成位置,并发现其加密的参数为请求体中"&se ...

  5. Hibernate ORM 映射深度解析

    在Java持久层技术体系中,Hibernate作为经典的ORM(对象关系映射)框架,通过自动化对象与数据库表的映射关系,显著提升了数据访问层的开发效率.本文从核心映射机制.高级特性.性能优化及面试高频 ...

  6. ceph mgr balancer模块执行流程与配置方案

    随着OSD的更替和集群的扩缩容,PG在OSD的分布会逐渐变的不均衡,导致各OSD的实际容量使用率出现差异,集群整体使用率降低.ceph balancer模块就是通过调整权重或者upmap指定pg映射来 ...

  7. MongoDB入门实战教程(11)

    前面我们学习了在MongoDB中的写操作事务管理,本篇我们开始进入读操作事务. 1 读数据关注的两个问题 在通过mongodb读取数据时,我们一般需要关注两个问题: (1)从哪里读取? (2)什么样的 ...

  8. fiddler抓包mumu模拟器

    https://www.cnblogs.com/will-wu/p/14600235.html 1,分别下载最新版本的fiddler和mumu模拟器. 2,启动 fiddler ,去Tools -&g ...

  9. 485集线器 4口485集线器 4口485 HUB

    485集线器ZLAN9440是一款上海卓岚生产的可通过一路RS485/232主口扩展出4路RS485从口的工业级隔离型4口RS485集线器.可以有效的实现RS485网络的中继.扩展与隔离.ZLAN94 ...

  10. AB Testing基础与Python实战(二)支付宝营销策略效果分析

    1. 数据来源 本文所用数据集来自阿里云天池: 阿里云天池 - Audience Expansion Datasethttps://tianchi.aliyun.com/dataset/50893 该 ...