面试题：Python字典缓存的优化与并发控制

Question

在多线程环境下使用Python字典进行缓存，可能会出现竞争条件。请阐述如何优化缓存字典的使用以避免竞争条件，并且写出一个简单的示例代码，使用适当的同步机制（如锁）来保证缓存操作的线程安全。

Answer 1

1. 阐述优化方法：
   • 使用锁机制（如threading.Lock）来确保在同一时间只有一个线程能够访问和修改缓存字典。当一个线程获取锁后，它可以安全地对字典进行读取、写入或删除操作，操作完成后释放锁，其他线程才能获取锁进行操作。这样就避免了多个线程同时修改字典导致的数据不一致问题。
2. 示例代码：

import threading


class ThreadSafeCache:
    def __init__(self):
        self.cache = {}
        self.lock = threading.Lock()

    def get(self, key):
        with self.lock:
            return self.cache.get(key)

    def set(self, key, value):
        with self.lock:
            self.cache[key] = value


# 测试代码
def worker(cache, key, value):
    cache.set(key, value)
    result = cache.get(key)
    print(f"Thread {threading.current_thread().name} got value: {result}")


cache = ThreadSafeCache()
threads = []
for i in range(5):
    t = threading.Thread(target=worker, args=(cache, f"key_{i}", f"value_{i}"))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

在上述代码中，ThreadSafeCache类封装了一个字典作为缓存，并使用threading.Lock来保护对字典的操作。get和set方法都使用with self.lock语句块来自动获取和释放锁，确保了在多线程环境下缓存操作的线程安全。测试代码通过创建多个线程来调用set和get方法，验证缓存的线程安全性。