python自学成才之路 死锁的解决方案

2023-10-09 21:59

本文主要是介绍python自学成才之路 死锁的解决方案,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!

以下内容是我阅读cookbook上的死锁解决方案的读后感,感觉上面的思想很不错,想给大家分享下,我在其中加了一些我自己的理解,感兴趣的话可以阅读原文:
https://python3-cookbook.readthedocs.io/zh_CN/latest/c12/p05_locking_with_deadlock_avoidance.html#id3

关于死锁有一个经典的问题,”哲学家就餐问题“,题目是这样的:五位哲学家围坐在一张桌子前,每个人 面前有一碗饭和一只筷子。在这里每个哲学家可以看做是一个独立的线程,而每只筷子可以看做是一个锁。每个哲学家可以处在静坐、 思考、吃饭三种状态中的一个。需要注意的是,每个哲学家吃饭是需要两只筷子的,这样问题就来了:如果每个哲学家都拿起自己左边的筷子, 那么他们五个都只能拿着一只筷子坐在那儿,直到饿死。此时他们就进入了死锁状态。

解决死锁最好的方法是避免死锁。不要等问题发生了再去解决,而是在源头上避免发生问题。出现死锁的充要条件是形成一个环,所以如果在并发开发的时候,不要让环形成,死锁产生的条件满足不了,是不是就避免了死锁。

解决方案:
主要目的是避免形成环,可以这样做,给每个锁分配一个唯一的id,然后只允许按照升序的规则来使用多个锁。举个例子:有十个锁L1~L10,三个线程t1,t2,t3。t1需要L1,L2,L5,L6四个锁,t2需要L3,L5,L6,L9,四个锁,t3需要L1,L4,L7,L8,L9,L10五个锁。这三个线程每次申请锁的时候都按照自己的需要顺序去申请锁,由于这些锁的申请过程都是按照顺序来的,即使部分锁是多个线程需要的,但是顶多会出现等待的情况,不会出现死锁。如何让锁的获取是按照顺序来?可以通过上下文管理器来实现,对于上下文管理器可以看下我之前的文章。


import threading
from contextlib import contextmanager# 定义一个线程本地对象
_local = threading.local()@contextmanager
def acquire(*locks):# 该线程需要获取的锁按照id做一个排序locks = sorted(locks, key=lambda x: id(x))# 确保这些锁获取是有序的,如果出现无序则抛出异常acquired = getattr(_local,'acquired',[])if acquired and max(id(lock) for lock in acquired) >= id(locks[0]):raise RuntimeError('Lock Order Violation')# 将获取到的锁放到线程本地对象上acquired.extend(locks)_local.acquired = acquiredtry:for lock in locks:lock.acquire()yieldfinally:# 所有的锁使用完之后,按照倒序的方式进行释放,也就是从大到小的顺序进行释放for lock in reversed(locks):lock.release()del acquired[-len(locks):]

这段代码从语法的角度来看可能有两个地方不理解,一个是@contextmanager这个注解,这是上下文管理器的注解,作用和with是一样的,关于这一段可以查看我之前的文章。

第二个不好理解的地方是acquired = getattr(_local,‘acquired’,[])这段代码,这段代码的意思是获取线程本地对象的acquired这个属性,如果没有这个属性则创建一个这样的属性,并赋予初始值[]。

怎么去使用这个上下文管理器呢?看下面这个案例,有三个线程,每个线程都需要申请多个锁,他们申请的锁有些是三个线程都需要的有些是每个线程各自独有的,这些锁都通个acquire这个上下文管理器来获取。


import timea_lock = threading.Lock()
b_lock = threading.Lock()
c_lock = threading.Lock()
d_lock = threading.Lock()
e_lock = threading.Lock()
f_lock = threading.Lock()
g_lock = threading.Lock()def thread_1():while True:with acquire(a_lock, b_lock, e_lock):print('Thread-1')def thread_2():while True:with acquire(c_lock, d_lock, e_lock, f_lock):print('Thread-2')def thread_3():while True:with acquire(a_lock, b_lock, e_lock, f_lock, g_lock):print('Thread-3')t1 = threading.Thread(target=thread_1)
t1.daemon = True
t1.start()t2 = threading.Thread(target=thread_2)
t2.daemon = True
t2.start()t3 = threading.Thread(target=thread_3)
t3.daemon = True
t3.start()time.sleep(200)

这一段代码是不会发生死锁的,因为所有的锁申请过程都是按照顺序来申请的,不会出现环。

如果把这段代码改成下面这样,就会抛出异常。

def thread_1():while True:with acquire(a_lock):with acquire(e_lock):with acquire(b_lock):print('Thread-1')def thread_2():while True:with acquire(c_lock):with acquire(f_lock):with acquire(d_lock):print('Thread-2')t1 = threading.Thread(target=thread_1)
t1.daemon = True
t1.start()t2 = threading.Thread(target=thread_2)
t2.daemon = True
t2.start()time.sleep(10)输出:
RuntimeError: Lock Order Violationraise RuntimeError('Lock Order Violation')
RuntimeError: Lock Order Violation

原因是两个线程申请锁的过程不是有序的,申请过程要么把这些锁放在一个acquire里面申请,要么嵌套申请的时候按照顺序来嵌套申请。否则申请出现顺序错误就会抛出异常。

再回到文章开头的哲学家问题,怎么让这些哲学家能吃上饭呢?每个哲学家需要两只筷子才能吃上饭,我们让哲学家按照我们提供的规则去申请筷子。

def philosopher(left, right):while True:with acquire(left,right):print(threading.currentThread(), 'eating')# 创建五只筷子
NSTICKS = 5
chopsticks = [threading.Lock() for n in range(NSTICKS)]# 模拟哲学家线程
for n in range(NSTICKS):t = threading.Thread(target=philosopher,args=(chopsticks[n],chopsticks[(n+1) % NSTICKS]))t.start()

每只筷子都有它的编号,哲学家只能按照顺序来取筷子,不会形成环,所以最终每个哲学家都能吃上饭。



本人是做大数据开发的,在微信上开了个个人号,会经常在上面分享一些学习心得,原创文章都会首发到公众号上,感兴趣的盆友可以关注下哦!
在这里插入图片描述
备注:微信公众号搜索‘大数据入坑指南‘

这篇关于python自学成才之路 死锁的解决方案的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/175839

相关文章

Python数据验证神器Pydantic库的使用和实践中的避坑指南

《Python数据验证神器Pydantic库的使用和实践中的避坑指南》Pydantic是一个用于数据验证和设置的库,可以显著简化API接口开发,文章通过一个实际案例,展示了Pydantic如何在生产环... 目录1️⃣ 崩溃时刻:当你的API接口又双叒崩了!2️⃣ 神兵天降:3行代码解决验证难题3️⃣ 深度

Python+FFmpeg实现视频自动化处理的完整指南

《Python+FFmpeg实现视频自动化处理的完整指南》本文总结了一套在Python中使用subprocess.run调用FFmpeg进行视频自动化处理的解决方案,涵盖了跨平台硬件加速、中间素材处理... 目录一、 跨平台硬件加速:统一接口设计1. 核心映射逻辑2. python 实现代码二、 中间素材处

python中的flask_sqlalchemy的使用及示例详解

《python中的flask_sqlalchemy的使用及示例详解》文章主要介绍了在使用SQLAlchemy创建模型实例时,通过元类动态创建实例的方式,并说明了如何在实例化时执行__init__方法,... 目录@orm.reconstructorSQLAlchemy的回滚关联其他模型数据库基本操作将数据添

Python实现快速扫描目标主机的开放端口和服务

《Python实现快速扫描目标主机的开放端口和服务》这篇文章主要为大家详细介绍了如何使用Python编写一个功能强大的端口扫描器脚本,实现快速扫描目标主机的开放端口和服务,感兴趣的小伙伴可以了解下... 目录功能介绍场景应用1. 网络安全审计2. 系统管理维护3. 网络故障排查4. 合规性检查报错处理1.

Python轻松实现Word到Markdown的转换

《Python轻松实现Word到Markdown的转换》在文档管理、内容发布等场景中,将Word转换为Markdown格式是常见需求,本文将介绍如何使用FreeSpire.DocforPython实现... 目录一、工具简介二、核心转换实现1. 基础单文件转换2. 批量转换Word文件三、工具特性分析优点局

Python中4大日志记录库比较的终极PK

《Python中4大日志记录库比较的终极PK》日志记录框架是一种工具,可帮助您标准化应用程序中的日志记录过程,:本文主要介绍Python中4大日志记录库比较的相关资料,文中通过代码介绍的非常详细,... 目录一、logging库1、优点2、缺点二、LogAid库三、Loguru库四、Structlogphp

C++,C#,Rust,Go,Java,Python,JavaScript的性能对比全面讲解

《C++,C#,Rust,Go,Java,Python,JavaScript的性能对比全面讲解》:本文主要介绍C++,C#,Rust,Go,Java,Python,JavaScript性能对比全面... 目录编程语言性能对比、核心优势与最佳使用场景性能对比表格C++C#RustGoJavapythonjav

idea粘贴空格时显示NBSP的问题及解决方案

《idea粘贴空格时显示NBSP的问题及解决方案》在IDEA中粘贴代码时出现大量空格占位符NBSP,可以通过取消勾选AdvancedSettings中的相应选项来解决... 目录1、背景介绍2、解决办法3、处理完成总结1、背景介绍python在idehttp://www.chinasem.cna粘贴代码,出

Python海象运算符:=的具体实现

《Python海象运算符:=的具体实现》海象运算符又称​​赋值表达式,Python3.8后可用,其核心设计是在表达式内部完成变量赋值并返回该值,从而简化代码逻辑,下面就来详细的介绍一下如何使用,感兴趣... 目录简介​​条件判断优化循环控制简化​推导式高效计算​正则匹配与数据提取​性能对比简介海象运算符

python项目环境切换的几种实现方式

《python项目环境切换的几种实现方式》本文主要介绍了python项目环境切换的几种实现方式,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 如何在不同python项目中,安装不同的依赖2. 如何切换到不同项目的工作空间3.创建项目