本文已参与「新人创作礼」活动，一起开启掘金创作之路。

一、线程锁的作用：

锁的核心作用就是为了保证数据的一致性，对锁内的资源（变量）进行锁定，避免其它线程偷偷进行篡改。以达到我们的预期效果。即：异步变同步。

二、线程锁的使用方法：

1、直接使用：

import threading
 #创建锁对象
lock = threading.Lock()
 #获取锁
lock.acquire()
#释放锁
lock.release()

解释：acquire()和release() 是成对出现的。往往死锁的出现就是release没有执行。

2、with关键字：

threading.Loc() ： 创建锁对象
with :  上下文管理器来获取，释放锁

解释：with是可以自动获取锁和释放锁的，可以防止我们忘记释放锁而造成死锁的情况发生。

三、使用线程锁的原因：

由于多线程同时在完成特定的操作时，所以在完成操作的过程中可能会被打断，去做其他的操作，可能会产生脏数据。例如：一个线程读取变量n，[初始值为0]，然后n++，最后输出n。当访问n++后，被打断，有另外的线程做同样的工作。这时n被加了2次，所以n最后等于2，而不是1。

举例说明：

from time import sleep, ctime
from threading import Thread, Lock, currentThread
from atexit import register

lock = Lock()
print(type(lock))

def fun():
    lock.acquire() # 加锁
    for i in range(4):
        print("Thread Name","=",currentThread().name,"i","=",i)
        sleep(random.randint(1,5))
    lock.release() # 解锁
def main():
    for i in range(3):
        Thread(target=fun).start()
@register
def exit():
    print("线程执行完毕：", ctime())
main()

解释：这样带锁的方式就不会出现数字的跳动。如下图所示：

如果不使用线程锁，那么线程就会来回的跳动，在线程之间来回变动。不使用线程锁的代码如下：

import random
from time import sleep, ctime
from threading import Thread, Lock, currentThread
from atexit import register

lock = Lock()
print(type(lock))

def fun():
    # lock.acquire() # 加锁
    for i in range(4):
        print("Thread Name","=",currentThread().name,"i","=",i)
        sleep(random.randint(1,5))
    # lock.release() # 解锁
def main():
    for i in range(3):
        Thread(target=fun).start()
@register
def exit():
    print("线程执行完毕：", ctime())
main()

执行的结果如下图：

四、防止死锁产生

死锁的原因是多种多样的，但是本质就是对资源不合理的竞争锁导致的。死锁的常见原因：

同一个线程：嵌套获取同一把锁，导致获取释放锁不合理而造成死锁。
多个线程: 不安顺序同时获取多个锁，造成死锁。

第一种就不用说了，这里介绍一下第二种情况:

前提条件：

线程1：嵌套获取A,B两个锁
线程2: 嵌套获取B,A两个锁执行情况：
线程1获取了A锁，而没有获取B锁
线程2获取了B锁，而没有获取A锁执行结果：
线程1在等待线程2释放B锁，然后结束任务，
线程2在等待线程1释放A锁，然后结束任务，
最终两个线程就陷入了相互等待的局面了。这个就是死锁！

全局锁

我们都知道多进程是真正的并行执行，多线程只是交替执行。

python中导致线程交替执行的是一个叫GIL【Global Interpreter Lock】全局锁的东西。

什么GIL?

Python在线程执行前，必须加上一个GIL锁，然后，每执行100条字节码，解释器就释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都上锁了，所以，多线程在Python 中只能交替执行，即使是100个线程跑在了100核的CPU上，也只有一个核在运算。

注意：GIL不是Python本身的特性，而是它的解析器之一的CPython的特性。Python的解析器还有：PyPy,Psyco，JPython等。只是我们绝大多数情况下，都是使用的是CPython这个解析器，所以也就默认了 Python有GIL 这个特性了。

都知道GIL 影响性能，那么如何避免受到GIL的影响？

使用多进程代替多线程
更换Python解析器，不使用CPython

python线程锁