我們知道多線程環(huán)境下，每一個(gè)線程均可以使用所屬進(jìn)程的全局變量。如果一個(gè)線程對(duì)全局變量進(jìn)行了修改，將會(huì)影響到其他所有的線程。為了避免多個(gè)線程同時(shí)對(duì)變量進(jìn)行修改，引入了線程同步機(jī)制，通過(guò)互斥鎖，條件變量或者讀寫鎖來(lái)控制對(duì)全局變量的訪問(wèn)。

只用全局變量并不能滿足多線程環(huán)境的需求，很多時(shí)候線程還需要擁有自己的私有數(shù)據(jù)，這些數(shù)據(jù)對(duì)于其他線程來(lái)說(shuō)不可見(jiàn)。因此線程中也可以使用局部變量，局部變量只有線程自身可以訪問(wèn)，同一個(gè)進(jìn)程下的其他線程不可訪問(wèn)。

有時(shí)候使用局部變量不太方便，因此 python 還提供了 ThreadLocal 變量，它本身是一個(gè)全局變量，但是每個(gè)線程卻可以利用它來(lái)保存屬于自己的私有數(shù)據(jù)，這些私有數(shù)據(jù)對(duì)其他線程也是不可見(jiàn)的。下圖給出了線程中這幾種變量的存在情況：

線程變量

全局 VS 局部變量

首先借助一個(gè)小程序來(lái)看看多線程環(huán)境下全局變量的同步問(wèn)題。

import threading
global_num = 0

def thread_cal():
    global global_num
    for i in xrange(1000):
        global_num += 1

# Get 10 threads, run them and wait them all finished.
threads = []
for i in range(10):
    threads.append(threading.Thread(target=thread_cal))
    threads[i].start()
for i in range(10):
    threads[i].join()

# Value of global variable can be confused.
print global_num

這里我們創(chuàng)建了10個(gè)線程，每個(gè)線程均對(duì)全局變量 global_num 進(jìn)行1000次的加1操作（循環(huán)1000次加1是為了延長(zhǎng)單個(gè)線程執(zhí)行時(shí)間，使線程執(zhí)行時(shí)被中斷切換），當(dāng)10個(gè)線程執(zhí)行完畢時(shí)，全局變量的值是多少呢？答案是不確定。簡(jiǎn)單來(lái)說(shuō)是因?yàn)?global_num += 1 并不是一個(gè)原子操作，因此執(zhí)行過(guò)程可能被其他線程中斷，導(dǎo)致其他線程讀到一個(gè)臟值。以兩個(gè)線程執(zhí)行 +1 為例，其中一個(gè)可能的執(zhí)行序列如下（此情況下最后結(jié)果為1）：

多線程全局變量同步

多線程中使用全局變量時(shí)普遍存在這個(gè)問(wèn)題，解決辦法也很簡(jiǎn)單，可以使用互斥鎖、條件變量或者是讀寫鎖。下面考慮用互斥鎖來(lái)解決上面代碼的問(wèn)題，只需要在進(jìn)行 +1 運(yùn)算前加鎖，運(yùn)算完畢釋放鎖即可，這樣就可以保證運(yùn)算的原子性。

l = threading.Lock()
...
    l.acquire()
    global_num += 1
    l.release()

在線程中使用局部變量則不存在這個(gè)問(wèn)題，因?yàn)槊總€(gè)線程的局部變量不能被其他線程訪問(wèn)。下面我們用10個(gè)線程分別對(duì)各自的局部變量進(jìn)行1000次加1操作，每個(gè)線程結(jié)束時(shí)打印一共執(zhí)行的操作次數(shù)（每個(gè)線程均為1000）：

def show(num):
    print threading.current_thread().getName(), num

def thread_cal():
    local_num = 0
    for _ in xrange(1000):
        local_num += 1
    show(local_num)

threads = []
for i in range(10):
    threads.append(threading.Thread(target=thread_cal))
    threads[i].start()

可以看出這里每個(gè)線程都有自己的 local_num，各個(gè)線程之間互不干涉。

Thread-local 對(duì)象

上面程序中我們需要給 show 函數(shù)傳遞 local_num 局部變量，并沒(méi)有什么不妥。不過(guò)考慮在實(shí)際生產(chǎn)環(huán)境中，我們可能會(huì)調(diào)用很多函數(shù)，每個(gè)函數(shù)都需要很多局部變量，這時(shí)候用傳遞參數(shù)的方法會(huì)很不友好。

為了解決這個(gè)問(wèn)題，一個(gè)直觀的的方法就是建立一個(gè)全局字典，保存進(jìn)程 ID 到該進(jìn)程局部變量的映射關(guān)系，運(yùn)行中的線程可以根據(jù)自己的 ID 來(lái)獲取本身?yè)碛械臄?shù)據(jù)。這樣，就可以避免在函數(shù)調(diào)用中傳遞參數(shù)，如下示例：

global_data = {}
def show():
    cur_thread = threading.current_thread()
    print cur_thread.getName(), global_data[cur_thread]

def thread_cal():
    global global_data
    cur_thread = threading.current_thread()
    global_data[cur_thread] = 0
    for _ in xrange(1000):
        global_data[cur_thread] += 1
    show()  # Need no local variable.  Looks good.
...

保存一個(gè)全局字典，然后將線程標(biāo)識(shí)符作為key，相應(yīng)線程的局部數(shù)據(jù)作為 value，這種做法并不完美。首先，每個(gè)函數(shù)在需要線程局部數(shù)據(jù)時(shí)，都需要先取得自己的線程ID，略顯繁瑣。更糟糕的是，這里并沒(méi)有真正做到線程之間數(shù)據(jù)的隔離，因?yàn)槊總€(gè)線程都可以讀取到全局的字典，每個(gè)線程都可以對(duì)字典內(nèi)容進(jìn)行更改。

為了更好解決這個(gè)問(wèn)題，python 線程庫(kù)實(shí)現(xiàn)了 ThreadLocal 變量（很多語(yǔ)言都有類似的實(shí)現(xiàn)，比如Java）。ThreadLocal 真正做到了線程之間的數(shù)據(jù)隔離，并且使用時(shí)不需要手動(dòng)獲取自己的線程 ID，如下示例：

global_data = threading.local()

def show():
    print threading.current_thread().getName(), global_data.num

def thread_cal():
    global_data.num = 0
    for _ in xrange(1000):
        global_data.num += 1
    show()

threads = []
...

print "Main thread: ", global_data.__dict__ # {}

上面示例中每個(gè)線程都可以通過(guò) global_data.num 獲得自己獨(dú)有的數(shù)據(jù)，并且每個(gè)線程讀取到的 global_data 都不同，真正做到線程之間的隔離。

ThreadLocal 實(shí)現(xiàn)的代碼量不多，但是比較難理解，涉及很多 Python 黑魔法，下篇再來(lái)分析。那么 ThreadLocal 很完美了？不！Python 的 WSGI 工具庫(kù) werkzeug 中有一個(gè)更好的 ThreadLocal 實(shí)現(xiàn)，甚至支持協(xié)程之間的私有數(shù)據(jù)，實(shí)現(xiàn)更加復(fù)雜，有機(jī)會(huì)再分析。

更多閱讀

Thread local storage in Python
threading – Manage concurrent threads
Python線程同步機(jī)制
Linux多線程與同步
Are local variables in a python function thread safe?