Python线程之同步机制实际应用场景举例说明
这次让我们来看看一个真实场景吧：银行转账
一、举例银行转账
假设现在有一个xuewei的账号里面有 100W。
然后有多个任务在转账，转入转出都是跟这个xuewei账号相关的。
而且这些任务发生是随机的。
我们先把上面的场景写成代码：
xuewei_account = 100 # amount为负数即是转出金额 def transfer(money): global xuewei_account xuewei_account += money
下面是多个线程，多线程模拟转账事件，我们假设有4个事件在同时发生。
import random
import threading
import datetime
import time
xuewei_account = 100
# amount为负数即是转出金额
def transfer(money):
global xuewei_account
xuewei_account += money
# 创建4个任务给学委账户转账
for i in range(10000):
threading.Thread(target=lambda: transfer(-1)).start()
threading.Thread(target=lambda: transfer(1)).start()
threading.Thread(target=lambda: transfer(-1)).start()
threading.Thread(target=lambda: transfer(1)).start()
# 等待活跃线程只剩下主线程MainThread
time.sleep(10)
print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)
这里启动了4个线程循环了10000次，也就是4万个线程，分别于学委的账户进行转账。
下面是运行结果：
运行几次学委的账户还是正确的，余额还是100W。
上面的代码线程几万个，但每次运行的操作都很简单，完成一次加法。
线程一个接一个start，非常快速就切换下一个线程， 我们看到程序没有出现问题。
下面进行改造，这次不要就4万线程了，我们让转账这个任务耗时更多，每启动一个线程进行模拟10万次转账。
import random import threading import datetime import time xuewei_account = 100 # amount为负数即是转出金额 def transfer(money): global xuewei_account for x in range(100000): xuewei_account += money
创建4个任务给重复学委账户转账：
for i in range(10):
threading.Thread(target=lambda: transfer(-1)).start()
threading.Thread(target=lambda: transfer(1)).start()
threading.Thread(target=lambda: transfer(-1)).start()
threading.Thread(target=lambda: transfer(1)).start()
time.sleep(10)
print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)
这里运行的结果就比较出乎意料了：
多线程编程复杂的地方就在这里了, 有时候明明平平无奇的代码，改造成多线程，就很容易出bug！
当然上面的代码并不是平平无奇，相比第一段代码，上面的转账函数做的事件更多，更耗时。
二、问题解决
我们加上锁。
代码如下：
import random
import threading
import datetime
import time
xuewei_account = 100
lock = threading.Lock()
# amount为负数即是转出金额
def transfer(money):
lock.acquire()
global xuewei_account
for x in range(100000):
xuewei_account += money
lock.release()
# 创建4个任务给重复学委账户转账
for i in range(10):
threading.Thread(target=lambda: transfer(-1)).start()
threading.Thread(target=lambda: transfer(1)).start()
threading.Thread(target=lambda: transfer(-1)).start()
threading.Thread(target=lambda: transfer(1)).start()
time.sleep(10)
print("-" * 16)
print("活跃线程数:", threading.active_count())
print("活跃线程:", threading.current_thread().name)
print("学委账户余额：", xuewei_account)
运行结果如下：
上面的代码不管怎么运行，运行多少次最后学委的账户都是100.（PS：学委不会联系读者转账的，这个特别注意）。
不管多少个线程，每次转账函数内部转账的代码（从global到 += money这一段代码）只会被一个线程调用。
三、总结
展示了同步机制解决一些编程问题的思路。读者可以多多借鉴，思考锁的应用。
为什么在对amount重度操作（本文第二段代码）的时候，计算就出错了！
这里amount相当于多线程都在操作的变量，也就是共享变量，多线程编程要特别注意这类变量，避免出现对共享变量的操作，有些程序在并发规模很小的时候一点问题也没有。
并发编程是高度利用CPU计算能力的编程方式，并发程序也就是在并行执行同类任务的程序。这个可以跟单线程应用比较。
