Python: 跨线程共享 class 变量

Question

我有一个计数器 (training_queue) 由 class 的许多实例共享。 class继承了threading.Thread，所以实现了一个运行()方法。当我调用 start() 时，我希望每个线程都递增此计数器，因此当它达到限制时不再启动线程。但是，none 个线程修改了该变量。这是代码：

class Engine(threading.Thread):

training_mutex = threading.Semaphore(MAX_TRAIN)
training_queue = 0
analysis_mutex = threading.Semaphore(MAX_ANALYSIS)
analysis_queue = 0
variable_mutex = threading.Lock()


def __init__(self, config):
    threading.Thread.__init__(self)
    self.config = config
    self.deepnet = None
    # prevents engine from doing analysis while training
    self.analyze_lock = threading.Lock()

def run(self):
    with self.variable_mutex:
        self.training_queue += 1
    print self.training_queue
    with self.training_mutex:
        with self.analyze_lock:
            self.deepnet = self.loadLSTM3Model()

我用锁保护training_queue，所以它应该是线程安全的。然而，如果我打印它的值，它总是 1。在这种情况下线程如何影响变量范围？

Answer 1

您对线程之间如何共享状态的理解是正确的。但是，您使用的是实例属性“training_queue”而不是 class 属性“training_queue”。

也就是说，您始终将每个新对象的 training_queue 设置为 1。

例如：

import threading

class Engine(threading.Thread):
    training_queue = 0
    print_lock = threading.Lock()

    def __init__(self, config):
        threading.Thread.__init__(self)

    def run(self):
        with Engine.print_lock:
            self.training_queue += 1
            print self.training_queue

Engine('a').start()
Engine('b').start()
Engine('c').start()
Engine('d').start()
Engine('e').start()

会 return:

但是：

import threading

class Engine(threading.Thread):
    training_queue = 0
    print_lock = threading.Lock()

    def __init__(self, config):
        threading.Thread.__init__(self)

    def run(self):
        with Engine.print_lock:
            Engine.training_queue += 1  # <-here
            print self.training_queue

Engine('a').start()
Engine('b').start()
Engine('c').start()
Engine('d').start()
Engine('e').start()

Returns:

注意 self.training_queue 与 Engine.training_queue

顺便说一句。我认为 python 中的 += 应该是原子的，所以我不会为锁而烦恼。但是，上面的示例中没有使用锁打印到标准输出。

Python: 跨线程共享 class 变量

Python: sharing class variables across threads

python

python-multithreading