Python 멀티스레딩에서 블로킹(조인)과 잠금(Lock) 사용에 대한 오해 분석
이 기사는 주로 모든 사람이 자세히 알아볼 수 있도록 작성되었습니다. 이 글은 특정 참조 값을 갖는 Python 멀티스레딩의 조인 및 잠금 차단에 대한 오해를 소개합니다. 관심 있는 친구는
메인 스레드 차단의 잘못된 사용법에 대해
join
Thread.join( ) 함수는 메인 스레드를 차단하는 것입니다. 즉, 하위 스레드가 반환되지 않으면 메인 스레드는 반환을 기다린 다음 실행을 계속합니다.
join은 루프에서 시작과 함께 사용할 수 없습니다.
The 다음은 오류 코드입니다. 5개의 스레드를 생성한 다음 루프를 사용하여 스레드를 활성화한 다음 활성화 후 기본 스레드를 차단합니다.
2. 시작 함수는 메인 스레드를 차단하지 않으므로 스레드 1이 작업을 수행하는 동안 메인 스레드는 아래쪽으로 조인 함수를 실행합니다. 조인을 실행한 후 메인 스레드는 스레드 1에 의해 차단됩니다. 스레드 1이 결과를 반환하기 전에 스레드는 다음 주기를 실행할 수 없습니다.
4. 스레드 1의 계산이 완료된 후 메인 스레드의 차단을 해제합니다. .메인 스레드는 다음 주기에 진입하여 스레드 2를 활성화하고 이에 의해 차단됩니다...
이렇게 하면 동시여야 했던 5개의 스레드가 여기서 순차 대기열이 되어 효율성이 향상되는 것을 볼 수 있습니다.
join
의 올바른 사용법은 두 개의 루프를 사용하여
및
join기능을 각각 처리할 수 있습니다.
threads = [Thread() for i in range(5)] for thread in threads: thread.start() thread.join()
time .sleep은 디버깅을 위해 조인을 대체합니다이전 일부 프로젝트에서 조인 대신 time.sleep을 사용하여 메인 스레드를 수동으로 차단하는 이러한 코드를 본 적이 있습니다.
모든 하위 스레드에서 반환 이전에는 메인 스레드가 무한 루프에 걸렸고 종료할 수 없습니다.threads = [Thread() for i in range(5)] for thread in threads: thread.start() for thread in threads: thread.join()
스레딩 잠금 정보(threading.Lock)
단일 코어 CPU+PIL에도 잠금이 필요합니까?
비원자적 연산
count = count + 1이론적으로, 3개의 스레드를 사용하여 위의 작업을 동시에 수행하여 전역 변수 개수의 값을 변경하고 프로그램 실행 결과를 확인합니다. 결과가 정확하면 스레드가 없다는 의미입니다.
다음 코드를 사용하여
for thread in threads:
thread.start()
while 1:
if thread_num == 0:
break
time.sleep(0.01)
실행 결과:
실제로 각 실행의 결과가 다르고 부정확합니다. 이는 단일 코어 CPU+ PIL은 여전히 스레드 안전성을 보장할 수 없으며 잠겨야 합니다.
잠금 후 올바른 코드:
# -*- coding: utf-8 -*- import threading import time count = 0 class Counter(threading.Thread): def __init__(self, name): self.thread_name = name super(Counter, self).__init__(name=name) def run(self): global count for i in xrange(100000): count = count + 1 counters = [Counter('thread:%s' % i) for i in range(5)] for counter in counters: counter.start() time.sleep(5) print 'count=%s' % count로그인 후 복사
결과:
count=500000잠금의 전역 특성에 주의하세요이는 단순한 Python 구문 문제이지만 논리가 복잡할 때 발생합니다. 무시할 수 있습니다.잠금이 여러 하위 스레드에서 공유되는지 확인하세요. 즉, Thread의 하위 클래스 내에 잠금을 생성하지 마세요.
다음은
오류 코드
# -*- coding: utf-8 -*- import threading import time count = 0 lock = threading.Lock() class Counter(threading.Thread): def __init__(self, name): self.thread_name = name self.lock = threading.Lock() super(Counter, self).__init__(name=name) def run(self): global count global lock for i in xrange(100000): lock.acquire() count = count + 1 lock.release() counters = [Counter('thread:%s' % i) for i in range(5)] for counter in counters: counter.start() time.sleep(5) print 'count=%s' % count
입니다. 관련 권장 사항: Python 스레드의 동기화 잠금에 대한 자세한 설명
위 내용은 Python 멀티스레딩에서 블로킹(조인)과 잠금(Lock) 사용에 대한 오해 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











PHP와 Python은 고유 한 장점과 단점이 있으며 선택은 프로젝트 요구와 개인 선호도에 달려 있습니다. 1.PHP는 대규모 웹 애플리케이션의 빠른 개발 및 유지 보수에 적합합니다. 2. Python은 데이터 과학 및 기계 학습 분야를 지배합니다.

Python과 JavaScript는 커뮤니티, 라이브러리 및 리소스 측면에서 고유 한 장점과 단점이 있습니다. 1) Python 커뮤니티는 친절하고 초보자에게 적합하지만 프론트 엔드 개발 리소스는 JavaScript만큼 풍부하지 않습니다. 2) Python은 데이터 과학 및 기계 학습 라이브러리에서 강력하며 JavaScript는 프론트 엔드 개발 라이브러리 및 프레임 워크에서 더 좋습니다. 3) 둘 다 풍부한 학습 리소스를 가지고 있지만 Python은 공식 문서로 시작하는 데 적합하지만 JavaScript는 MDNWebDocs에서 더 좋습니다. 선택은 프로젝트 요구와 개인적인 이익을 기반으로해야합니다.

CentOS 시스템에서 Pytorch GPU 가속도를 활성화하려면 Cuda, Cudnn 및 GPU 버전의 Pytorch를 설치해야합니다. 다음 단계는 프로세스를 안내합니다. CUDA 및 CUDNN 설치 CUDA 버전 호환성 결정 : NVIDIA-SMI 명령을 사용하여 NVIDIA 그래픽 카드에서 지원하는 CUDA 버전을보십시오. 예를 들어, MX450 그래픽 카드는 CUDA11.1 이상을 지원할 수 있습니다. Cudatoolkit 다운로드 및 설치 : NVIDIACUDATOOLKIT의 공식 웹 사이트를 방문하여 그래픽 카드에서 지원하는 가장 높은 CUDA 버전에 따라 해당 버전을 다운로드하여 설치하십시오. CUDNN 라이브러리 설치 :

Docker는 Linux 커널 기능을 사용하여 효율적이고 고립 된 응용 프로그램 실행 환경을 제공합니다. 작동 원리는 다음과 같습니다. 1. 거울은 읽기 전용 템플릿으로 사용되며, 여기에는 응용 프로그램을 실행하는 데 필요한 모든 것을 포함합니다. 2. Union 파일 시스템 (Unionfs)은 여러 파일 시스템을 스택하고 차이점 만 저장하고 공간을 절약하고 속도를 높입니다. 3. 데몬은 거울과 컨테이너를 관리하고 클라이언트는 상호 작용을 위해 사용합니다. 4. 네임 스페이스 및 CGroup은 컨테이너 격리 및 자원 제한을 구현합니다. 5. 다중 네트워크 모드는 컨테이너 상호 연결을 지원합니다. 이러한 핵심 개념을 이해 함으로써만 Docker를 더 잘 활용할 수 있습니다.

Minio Object Storage : Centos System Minio 하의 고성능 배포는 Go Language를 기반으로 개발 한 고성능 분산 객체 저장 시스템입니다. Amazons3과 호환됩니다. Java, Python, JavaScript 및 Go를 포함한 다양한 클라이언트 언어를 지원합니다. 이 기사는 CentOS 시스템에 대한 Minio의 설치 및 호환성을 간단히 소개합니다. CentOS 버전 호환성 Minio는 다음을 포함하되 이에 국한되지 않는 여러 CentOS 버전에서 확인되었습니다. CentOS7.9 : 클러스터 구성, 환경 준비, 구성 파일 설정, 디스크 파티셔닝 및 미니를 다루는 완전한 설치 안내서를 제공합니다.

CentOS 시스템에 대한 Pytorch 분산 교육에는 다음 단계가 필요합니다. Pytorch 설치 : 전제는 Python과 PIP가 CentOS 시스템에 설치된다는 것입니다. CUDA 버전에 따라 Pytorch 공식 웹 사이트에서 적절한 설치 명령을 받으십시오. CPU 전용 교육의 경우 다음 명령을 사용할 수 있습니다. PipinStalltorchtorchvisiontorchaudio GPU 지원이 필요한 경우 CUDA 및 CUDNN의 해당 버전이 설치되어 있는지 확인하고 해당 PyTorch 버전을 설치하려면 설치하십시오. 분산 환경 구성 : 분산 교육에는 일반적으로 여러 기계 또는 단일 기계 다중 GPU가 필요합니다. 장소

CentOS 시스템에 Pytorch를 설치할 때는 적절한 버전을 신중하게 선택하고 다음 주요 요소를 고려해야합니다. 1. 시스템 환경 호환성 : 운영 체제 : CentOS7 이상을 사용하는 것이 좋습니다. Cuda 및 Cudnn : Pytorch 버전 및 Cuda 버전은 밀접하게 관련되어 있습니다. 예를 들어, pytorch1.9.0은 cuda11.1을 필요로하고 Pytorch2.0.1은 cuda11.3을 필요로합니다. CUDNN 버전도 CUDA 버전과 일치해야합니다. Pytorch 버전을 선택하기 전에 호환 CUDA 및 CUDNN 버전이 설치되었는지 확인하십시오. 파이썬 버전 : Pytorch 공식 지점

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.
