面试题：Python多线程在Web开发中的资源竞争问题

Question

在Python的Web开发中使用多线程时，常常会遇到资源竞争的情况。请举例说明可能出现资源竞争的场景，并阐述如何使用锁机制（如`threading.Lock`）来解决这个问题。

Answer 1

可能出现资源竞争的场景

假设我们有一个简单的Web应用，用于统计网站的访问次数。在多线程环境下，多个线程可能同时尝试增加这个访问次数的计数器。例如：

import threading

counter = 0


def increment():
    global counter
    for _ in range(100000):
        counter = counter + 1


threads = []
for _ in range(10):
    t = threading.Thread(target=increment)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(f"Final counter value: {counter}")

在上述代码中，如果多个线程同时执行counter = counter + 1这行代码，由于这不是一个原子操作（实际上分为读取counter值、增加1、再写回counter值三个步骤），就可能出现资源竞争。比如线程A读取了counter的值为10，线程B也读取了counter的值为10，然后它们都增加1并写回，这样就丢失了一次增加操作，最终结果会小于预期的1000000（10个线程，每个线程增加100000次）。

使用锁机制解决问题

可以使用threading.Lock来解决这个问题。修改后的代码如下：

import threading

counter = 0
lock = threading.Lock()


def increment():
    global counter
    for _ in range(100000):
        with lock:
            counter = counter + 1


threads = []
for _ in range(10):
    t = threading.Thread(target=increment)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print(f"Final counter value: {counter}")

在上述代码中，with lock:语句创建了一个上下文管理器，当进入这个上下文时，锁被获取，当离开上下文时，锁被释放。这样，在任何时刻只有一个线程能够执行counter = counter + 1这行代码，从而避免了资源竞争，确保最终的counter值是准确的1000000。