Python多线程共享全局变量的机制与注意事项

多线程共享全局变量机制

一、多线程共享全局变量

首先回顾在函数内部修改全局变量的基本规则。

在函数中操作全局变量时，是否必须使用 global 关键字，取决于是否改变了全局变量的内存引用指向。

若修改操作涉及让全局变量指向新的内存地址，则必须使用 global 声明。

若仅修改全局变量所指向内存空间内的数据内容，则无需强制使用 global。

接下来通过一个具体案例进行验证：创建一个子线程对全局变量执行加1操作，另一个子线程仅负责打印该全局变量的值，以此观察数据是否在线程间共享。

from threading import Thread
import time

g_num = 100

def work1():
  global g_num
  g_num += 1
  print("----in work1, g_num is %d---" % g_num)

def work2():
  print("----in work2, g_num is %d---" % g_num)

def main():
  print("---线程创建之前g_num is %d---" % g_num)

  t1 = Thread(target=work1)
  t1.start()

  # 延时一会，保证t1线程中的事情做完
  time.sleep(1)

  t2 = Thread(target=work2)
  t2.start()

  time.sleep(1)
  print("---线程创建之后g_num is %d---" % g_num)

if __name__ == "__main__":
  main()

若子线程2打印出的结果为100，则表明全局变量未在线程间共享。

若子线程2打印出的结果为101，则表明全局变量在线程间实现了共享。

程序运行输出如下：

---线程创建之前g_num is 100--- ----in work1, g_num is 101--- ----in work2, g_num is 101--- ---线程创建之后g_num is 101---

上述示例证实，Python中的多线程默认共享全局变量。

列表参数在线程间的传递与共享

二、列表作为实参传递至线程中

前文已验证多线程间全局变量的共享特性。

此外，还可以将变量作为实参传递给线程函数，以此进一步验证多线程环境下的数据共享行为。

from threading import Thread
import time

def work1(nums):
  nums.append(44)
  print("----in work1---", nums)

def work2(nums):

  print("----in work2---", nums)


g_nums = [11, 22, 33]

t1 = Thread(target=work1, args=(g_nums,))
t1.start()
# 延时一会，保证t1线程中的事情做完
time.sleep(1)
t2 = Thread(target=work2, args=(g_nums,))
t2.start()

程序运行输出如下：

----in work1--- [11, 22, 33, 44] ----in work2--- [11, 22, 33, 44]

既然多线程可以共享全局变量，那么这种机制带来了哪些实际好处？

这主要源于多任务处理的配合需求。

由于同一进程内的所有线程共享全局变量，这使得在多个线程之间共享和交换数据变得非常便捷。

然而，这种共享机制也存在缺点：如果线程随意修改全局变量，极易引发多线程对同一全局变量的竞争与混乱，从而导致线程非安全（Thread-unsafe）问题。

以上即为Python多线程共享全局变量的核心优劣分析，更多相关技术细节可参考本站其他文章。