python3爬蟲lock怎么有序的處理多線程

這篇文章給大家分享的是有關python3爬蟲lock怎么有序的處理多線程的內容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

第一個線程處理好了，結果傳遞給第二個線程，那么需要“鎖住“第一個線程。同時需要共享的內存shared memory。

如果不加任何lock：

# 不加任何處理，同時運行兩個線程
import threading
def job1():
    global A
    for i in range(10):
        A += 1
        print("Job1 : ", A)
    
def job2():
    global A
    for i in range(10):
        A += 10
        print("Job2 : ", A)
        
A = 0 # global variable
t1 = threading.Thread(target=job1)
t2 = threading.Thread(target=job2)
t1.start()
t2.start()
t1.join()
t2.join()

運行結果

Job1 :  1
Job1 :  2
Job1 :  3
Job2 :  13Job1 :
Job2 :  24
Job2 :  34
Job2 :  44
Job2 :  54
Job2 :  64
Job2 :  74
Job2 :  84
Job2 :  94
Job2 :  104
 14
Job1 :  105
Job1 :  106
Job1 :  107
Job1 :  108
Job1 :  109
Job1 :  110

這兩個線程會同時運行，且打印還比較亂。如果我想先結束job1，再進行job2，那么使用lock——定義一個全局變量lock，同時在每個job中傳入lock。從而兩者運行就不會相互影響。

加上lock

def job1():
    global A, lock
    # 傳入全局變量lock，同時通過acquire上鎖，通過release解鎖。
    lock.acquire()
    for i in range(10):
        A += 1
        print("Job1 : ", A)
    lock.release()
    
def job2():
    global A, lock
    lock.acquire()
    for i in range(10):
        A += 10
        print("Job2 : ", A)
    lock.release()
        
lock = threading.Lock()
A = 0 # global variable
t1 = threading.Thread(target=job1)
t2 = threading.Thread(target=job2)
t1.start()
t2.start()
t1.join()
t2.join()

運行結果

Job1 :  1
Job1 :  2
Job1 :  3
Job1 :  4
Job1 :  5
Job1 :  6
Job1 :  7
Job1 :  8
Job1 :  9
Job1 :  10
Job2 :  20
Job2 :  30
Job2 :  40
Job2 :  50
Job2 :  60
Job2 :  70
Job2 :  80
Job2 :  90
Job2 :  100
Job2 :  110

感謝各位的閱讀！關于python3爬蟲lock怎么有序的處理多線程就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！