初识Golang Mutex互斥锁的使用
作者:漫漫Coding路 发布时间:2024-05-09 09:39:57
前言
在学习操作系统的时候,我们应该都学习过临界区、互斥锁这些概念,用于在并发环境下保证状态的正确性。比如在秒杀时,100 个用户同时抢 10 个电脑,为了避免少卖或者超卖,就需要使用锁来进行并发控制。在 Go语言 里面互斥锁是 sync.Mutex
,我们本篇文章就来学习下为什么要使用互斥锁、如何使用互斥锁,以及使用时的常见问题。
为什么要使用互斥锁
我们来看一个示例:我们起了 10000
个协程将变量 num
加1,因此肯定会存在并发,如果我们不控制并发,10000 个协程都执行完后,该变量的值很大概率不等于 10000。
那么为什么会出现这个问题呢,原因是 num++
不是原子操作,它会先读取变量 num
当前值,然后对这个值 加1
,再把结果保存到 num
中。例如 10
个 goroutine
同时运行到 num++
这一行,可能同时读取 num=1000
,都加1
后再保存, num=1001
,这就与想要的结果不符。
package?main
import?(
?"fmt"
?"sync"
)
func?main()?{
?num?:=?0
?var?wg?sync.WaitGroup
?threadCount?:=?10000
?wg.Add(threadCount)
??
?for?i?:=?0;?i?<?threadCount;?i++?{
??go?func()?{
???defer?wg.Done()
???num++
??}()
?}
??
?wg.Wait()?//?等待?10000?个协程都执行完
??fmt.Println(num)?//?9388(每次都可能不一样)
}
我们如果使用了互斥锁,可以保证每次进入临界区的只有一个 goroutine
,一个 goroutine
执行完后,另一个 goroutine
才能进入临界区执行,最终就实现了并发控制。
并发获取锁示意图
package?main
import?(
?"fmt"
?"sync"
)
func?main()?{
?num?:=?0
?var?mutex?sync.Mutex??//?互斥锁
?var?wg?sync.WaitGroup
?threadCount?:=?10000
?wg.Add(threadCount)
?for?i?:=?0;?i?<?threadCount;?i++?{
??go?func()?{
???defer?wg.Done()
???
???mutex.Lock()?//?加锁
???num++?//?临界区
???mutex.Unlock()?//?解锁
???
??}()
?}
?wg.Wait()
?fmt.Println(num)?//?10000
}
如何使用互斥锁
Mutex
保持 Go
一贯的简洁风格,开箱即用,声明一个变量默认是没有加锁的,加锁使用 Lock()
方法,解锁使用 Unlock()
方法。
使用方式一:直接声明使用
这个在上例中已经体现了,直接看上面的例子就好
使用方式二:封装在其他结构体中
我们可以将 Mutex
封装在 struct
中,封装成线程安全的函数供外部调用。比如我们封装了一个线程安全的计数器,调用 Add()
就加一,调用Count()
返回计数器的值。
package?main
import?(
?"fmt"
?"sync"
)
type?Counter?struct?{
?num???int
?mutex?sync.Mutex
}
//?加一操作,涉及到临界区?num,加锁解锁
func?(counter?*Counter)?Add()?{
?counter.mutex.Lock()
?defer?counter.mutex.Unlock()
?counter.num++
}
//?返回数量,涉及到临界区?num,加锁解锁
func?(counter?*Counter)?Count()?int?{
?counter.mutex.Lock()
?defer?counter.mutex.Unlock()
?return?counter.num
}
func?main()?{
?threadCount?:=?10000
??
?var?counter?Counter
?var?wg?sync.WaitGroup
?
?wg.Add(threadCount)
?for?i?:=?0;?i?<?threadCount;?i++?{
??go?func()?{
???defer?wg.Done()
???counter.Add()
??}()
?}
?wg.Wait()?//?等待所有?goroutine?都执行完
?fmt.Println(counter.Count())?//?10000
}
在 Go
中,map
结构是不支持并发的,如果并发读写就会 panic
//?运行会 panic,提示 fatal error: concurrent map writes
func?main()?{
?m?:=?make(map[string]string)
?var?wait?sync.WaitGroup
?wait.Add(1000)
?for?i?:=?0;?i?<?1000;?i++?{
??item?:=?fmt.Sprintf("%d",?i)
??go?func()?{
???wait.Done()
???m[item]?=?item
??}()
?}
?wait.Wait()
}
基于 Mutex
,我们可以实现一个线程安全的 map
:
import?(
?"fmt"
?"sync"
)
type?ConcurrentMap?struct?{
?mutex?sync.Mutex
?items?map[string]interface{}
}
func?(c?*ConcurrentMap)?Add(key?string,?value?interface{})?{
?c.mutex.Lock()
?defer?c.mutex.Unlock()
?c.items[key]?=?value
}
func?(c?*ConcurrentMap)?Remove(key?string)?{
?c.mutex.Lock()
?defer?c.mutex.Unlock()
?delete(c.items,?key)
}
func?(c?*ConcurrentMap)?Get(key?string)?interface{}?{
?c.mutex.Lock()
?defer?c.mutex.Unlock()
?return?c.items[key]
}
func?NewConcurrentMap()?ConcurrentMap?{
?return?ConcurrentMap{
??items:?make(map[string]interface{}),
?}
}
func?main()?{
?m?:=?NewConcurrentMap()
?var?wait?sync.WaitGroup
?wait.Add(1000)
?for?i?:=?0;?i?<?1000;?i++?{
??item?:=?fmt.Sprintf("%d",?i)
??go?func()?{
???wait.Done()
???m.Add(item,?item)
??}()
?}
?wait.Wait()
?fmt.Println(m.Get("100"))?//?100
}
当然,基于互斥锁 Mutex
实现的线程安全 map
并不是性能最好的,基于读写锁 sync.RWMutex
和 分片 可以实现性能更好的、线程安全的 map
,开发中比较常用的并发安全 map
是 orcaman / concurrent-map(https://github.com/orcaman/concurrent-map)。
互斥锁的常见问题
从上面可以看出,Mutex
的使用过程方法比较简单,但还是有几点需要注意:
1.Mutex
是可以在 goroutine A
中加锁,在 goroutine B
中解锁的,但是在实际使用中,尽量保证在同一个 goroutine 中加解锁。比如 goroutine A 申请到了锁,在处理临界区资源的时候,goroutine B 把锁释放了,但是 A 以为自己还持有锁,会继续处理临界区资源,就可能会出现问题。
2.Mutex
的加锁解锁基本都是成对出现,为了解决忘记解锁,可以使用 defer
语句,在加锁后直接 defer mutex.Unlock()
;但是如果处理完临界区资源后还有很多耗时操作,为了尽早释放锁,不建议使用 defer
,而是在处理完临界区资源后就调用 mutex.Unlock()
尽早释放锁。
//?逻辑复杂,可能会忘记释放锁
func?main()?{
?var?mutex?sync.Mutex
?mutex.Lock()
?if?***?{
??if?***?{
???//?处理临界区资源
???mutex.Unlock()
???return
??}
??//?处理临界区资源
??mutex.Unlock()
??return
?}
?//?处理临界区资源
?mutex.Unlock()
?return
}
//?避免逻辑复杂忘记释放锁,使用?defer语句,成对出现
func?main()?{
?var?mutex?sync.Mutex
?mutex.Lock()
?defer?mutex.Unlock()
?if?***?{
??if?***?{
???//?处理临界区资源
???return
??}
??//?处理临界区资源
??return
?}
?//?处理临界区资源
?return
}
3.Mutex 不能复制使用
Mutex
是有状态的,比如我们对一个 Mutex
加锁后,再进行复制操作,会把当前的加锁状态也给复制过去,基于加锁的 Mutex
再加锁肯定不会成功。进行复制操作可能听起来是一个比较低级的错误,但是无意间可能就会犯这种错误。
package?main
import?(
?"fmt"
?"sync"
)
type?Counter?struct?{
?mutex?sync.Mutex
?num???int
}
func?SomeFunc(c?Counter)?{
?c.mutex.Lock()
?defer?c.mutex.Unlock()
?c.num--
}
func?main()?{
?var?counter?Counter
?counter.mutex.Lock()
?defer?counter.mutex.Unlock()
?counter.num++
?//?Go都是值传递,这里复制了?counter,此时?counter.mutex?是加锁状态,在?SomeFunc?无法再次加锁,就会一直等待
?SomeFunc(counter)
}
来源:https://mp.weixin.qq.com/s/2wKsjLcngrcaiHGe2egttw
猜你喜欢
- 本文实例为大家分享了python给心爱的人每天发天气预报的具体代码,供大家参考,具体内容如下下面的代码实现了用了之前获取天气的代码,然后用i
- 一、复制原理主服务器将更新写入二进制日志文件,并维护文件的一个索引以跟踪日志循环。这些日志可以记录发送到从服务器的更新.当一个从服务器连接主
- Bootstrap,来自 Twitter,是目前最受欢迎的前端框架。Bootstrap 是基于 HTML、CSS、JAVASCRIPT 的,
- 数据初始化import pandas as pdimport numpy as npa=np.array([['北京',
- 本文实例讲述了Python with关键字,上下文管理器,@contextmanager文件操作。分享给大家供大家参考,具体如下:demo.
- 简介LRU(Least Recently Used)最近最少使用,最近有时间和空间最近的歧义,所以我更喜欢叫它近期最少使用算法。它的核心思想
- 本文实例讲述了Python使用itchat模块实现简单的微信控制电脑功能。分享给大家供大家参考,具体如下:#!/usr/bin/python
- 面临的问题在我设计一个分析系统中,我们公司的目标是能够处理来自数百万个端点的大量POST请求。web 网络处理程序将收到一个JSON文档,其
- 前言python中有一个非常有用的语法叫做生成器,所利用到的关键字就是yield。有效利用生成器这个工具可以有效地节约系统资源,避免不必要的
- 对于部署在新浪应用引擎SAE上的项目,使用新浪SAE云存储是不错的存储方案。新浪SAE云存储仅能在SAE环境中正常使用,对它进行简单封装后,
- 安装anaconda后查询CPU版本时打开Anaconda Prompt输入python然后输入import tensorflow as t
- 1。注意用SQL分析器可以看select出来的东西select right(convert(varchar(30),getdate(),12
- 一、Flask蓝图目录我们之前写的Flask项目都是自己组织的目录结构,其实Flask官方有其推荐的目录结构,以下就是一个符合官方推荐的Fl
- <% String st = ""; for(int i = 1; i <= 9;
- 1.作用域在python中,作用域分为两种:全局作用域和局部作用域。全局作用域是定义在文件级别的变量,函数名。而局部作用域,则是定义函数内部
- 大部分语言,例如c语言,交换两个变量的值需要使用中间变量。例如交换a,b伪代码:tmp = aa = bb = tmppython里面可以实
- MAC上的PyCharm中默认的python解释器是python2的,windows下的没用过不是很清楚,所以特来记录下设置python3解
- 直接代码data_arr = []data = iter_files(dir,speakers)for k,v in data.items(
- 一、背景有些情况下,我们面对实时更新的数据,希望能够在一个窗口中可视化出来,并且能够实时更新,方便我们观察数据的变化,从而进行数据分析,例如
- 前言相信大家可能曾遇到过这种情况,在开发中类似站内信的需求时,我们经常要使用字符串模板,比如尊敬的用户${name}。。。。里面的${nam