线程安全

关键词：线程安全、GIL、原子操作(atomic operation)、存储数据类型(List、Queue.Queue、collections.deque)

当多个线程同时进行，且共同修改同一个资源时，我们必须保证修改不会发生冲突，数据修改不会发生错误，也就是说，我们必须保证线程安全。

同时我们知道，python中由于GIL的存在，即使开了多线程，同一个时间也只有一个线程在执行。

那么这是否就说明python中多个线程执行时，不会发生冲突呢？答案是否定的。

GIL下的线程不安全

来看下面这段代码

import threading
zero = 0
def change_zero():
    global zero
    for i in range(3000000):
        zero += 1
        zero -= 1
th1 = threading.Thread(target = change_zero)
th2 = threading.Thread(target = change_zero)
th1.start()
th2.start()
th1.join()
th2.join()
print(zero)

两个线程共同修改zero变量，每次对变量的操作都是先加1再减1，按理说执行3000000次，zero结果应该还是0，但是运行过这段代码发现，结果经常不是0，而且每次运行结果都不一样，这就是数据修改之间发生冲突的结果。

其根本原因在于，zero += 1这一步操作，并不是简单的一步，而可以看做两步的结合，如下

x = zero + 1
zero = x

所以可能在一个线程执行时，两步只执行了一步x = zero + 1(即还没来得及对zero进行修改)，GIL锁就给了另一个线程(不熟悉锁的概念以及GIL的可以先看这篇文章)，等到GIL锁回到第一个线程，zero已经发生了改变，这时再执行接下来的zero = x，结果就不是对zero加1了。一次出错的完整的模拟过程如下

初始：zero = 0
th1: x1 = zero + 1 # x1 = 1
th2: x2 = zero + 1 # x2 = 1
th2: zero = x2 # zero = 1
th1: zero = x1 # zero = 1 问题出在这里，两次赋值，本来应该加2变成了加1
th1: x1 = zero - 1 # x1 = 0
th1: zero = x1 # zero = 0
th2: x2 = zero - 1 # x2 = -1
th2: zero = x2 # zero = -1
结果：zero = -1

为了更好地说明python在GIL下仍存在线程不安全的原因，这里需要引入一个概念：原子操作(atomic operation)

原子操作

原子操作，指不会被线程调度机制打断的操作，这种操作一旦开始，就一直运行到结束，中间不会切换到其他线程。

像zero += 1这种一步可以被拆成多步的程序，就不是一个原子操作。不是原子操作的直接后果就是它没有完全执行结束，就有可能切换到其他线程，此时如果其他线程修改的是同一个变量，就有可能发生资源修改冲突。

一个解决办法是通过加锁(Lock)，将上面change_zero函数的定义改为

from threading import Lock
lock = Lock()
zero = 0
def change_zero():
    global zero
    for i in range(1000000):
        with lock:
            zero += 1
            zero -= 1
change_zero()
print(zero)

加锁后，锁内部的程序要么不执行，要执行就会执行结束才会切换到其他线程，这其实相当于实现了一种“人工原子操作”，一整块代码当成一个整体运行，不会被打断。这样做就可以防止资源修改的冲突。读者可以试着加锁后重新运行程序，会发现结果zero变量始终输出为0。

下面我们来考虑一个问题：如果程序本身就是原子操作，是不是就自动实现了线程安全，就不需要加锁了呢？答案是肯定的。

举一个例子，现在我们要维护一个队列，开启多个线程，一部分线程负责向队列中添加元素，另一部分线程负责提取元素进行后续处理。这时，这个队列就是在多个线程之间共享的一个对象，我们必须保证在添加和提取的过程中，不会发生冲突，也就是说要保证线程安全。如果操作过程比较复杂，我们可以通过加锁来使多个操作中间不会中断。但是如果这个程序本身就是原子操作，则不需要添加额外的保护措施。

比如我们用queue模块中的Queue对象来维护队列，通过Queue.put填入元素，通过Queue.get提取元素，因为Queue.put和Queue.get都是原子操作，所以要么执行，要么不执行，不会存在被中断的问题，所以这里就不需要添加多余的保护措施。

那么这里自然就会产生一个问题：我们怎么知道哪些操作是原子操作，哪些不是呢？官网上列了一个表

下面这些都是原子操作

L.append(x)
L1.extend(L2)
x = L[i]
x = L.pop()
L1[i:j] = L2
L.sort()
x = y
x.field = y
D[x] = y
D1.update(D2)
D.keys()

下面这些则不是原子操作

i = i+1
L.append(L[-1])
L[i] = L[j]
D[x] = D[x] + 1

这里要注意的一点是，我们有时会听到说python中的list对象不是线程安全的，这个说法是不严谨的，因为线程是否安全，针对的不是对象，而是操作。如果我们指这样的操作L[0] = L[0] + 1，它当然不是一个原子操作，不加以保护就会导致线程不安全，而L.append(i)这样的操作则是线程安全的。

因此列表是可以用作多线程中的存储对象的。但是我们一般不用列表，而使用queue.Queue，是因为后者内部实现了Condition锁的通信机制，详情请看这篇文章

下面我们回到原子操作，虽然官网上列出了一些常见的操作，但是有时我们还需要自己能够判断的方法，可以使用dis模块的dis函数，举例如下所示

from dis import dis
a = 0
def fun():
    global a
    a = a + 1
dis(fun)

结果如下

  5           0 LOAD_GLOBAL              0 (a)
              2 LOAD_CONST               1 (1)
              4 BINARY_ADD
              6 STORE_GLOBAL             0 (a)
              8 LOAD_CONST               0 (None)
             10 RETURN_VALUE

我们只要关注每一行即可，每一行表示执行这个fun函数的过程，可以被拆分成这些步骤，导入全局变量—>导入常数—>执行加法—>存储变量……，这里每一个步骤都是指令字节码，可以看做原子操作。这里列出的是fun函数执行的过程，而我们要关心的是a = a + 1这个过程包含了几个指令，可以看到它包含了两个，即BINARY_ADD和STORE_GLOBAL，如果在前者(运算加和)执行后，后者(赋值)还没开始时，切换了线程，就会出现我们上文例子中的修改资源冲突。

下面我们来看看L.append(i)过程的字节码

from dis import dis
l = []
def fun():
    global l
    l.append(1)

dis(fun)

得到结果

  5           0 LOAD_GLOBAL              0 (l)
              2 LOAD_METHOD              1 (append)
              4 LOAD_CONST               1 (1)
              6 CALL_METHOD              1
              8 POP_TOP
             10 LOAD_CONST               0 (None)
             12 RETURN_VALUE

可以看到append其实只有POP_TOP这一步，要么执行，要么不执行，不会出现被中断的问题。

原子操作我们就讲到这里，接下来，对比一下python中常用的队列数据结构

python中常见队列对比

List VS Queue.Queue VS collections.deque]

首先，我们需要将Queue.Queue和其他两者区分开来，因为它的出现主要用于线程之间的通信，而其他二者主要用作存储数据的工具。当我们需要实现Condition锁时，就要用Queue.Queue，单纯存储数据则用后两者。

collections.deque与list的区别主要在于数据的插入与提取上。如果要将数据插入列表头部，或者从头部提取数据，则前者的效率远远高于后者，这是前者的双向队列特性，优势毋庸置疑。如果对提取的顺序无所谓，则没有必要一定要用collections.deque