编程语言
首页 > 编程语言> > Python在线程之间共享类实例

Python在线程之间共享类实例

作者:互联网

我有一个类,它将所有资源加载到我的应用程序所需的内存中(主要是图像).

然后几个线程需要通过这个类访问这些资源.
我不希望每个实例都重新加载所有资源,所以我认为我使用的是Singleton模式.
我是这样做的:

class DataContainer(object):
    _instance = None
    _lock = threading.Lock()
    _initialised = True

    def __new__(cls, *args, **kwargs):
        with cls._lock:
            if not cls._instance:
                cls._initialised = False
                cls._instance = object.__new__(cls, *args, **kwargs)
        return cls._instance

    def __init__(self, map_name = None):

        # instance has already been created
        if self._initialised:
            return

        self._initialised = True

        # load images

只要我不使用多个线程,这样就可以正常工作.但是对于多个线程,每个线程都有不同的实例.因此,使用4个线程,它们每个都创建一个新实例.
我希望所有线程都使用此类的相同实例,
所以资源只被加载到内存中一次.

我也尝试在定义类的同一模块中执行此操作,但在类定义之外:

def getDataContainer():
    global dataContainer
    return dataContainer

dataContainer = DataContainer()

但每个线程仍然有自己的实例.

我是python的新手,如果这是错误的方法,请告诉我,
我感谢任何帮助

解决方法:

要扩展@Will的注释,如果父级创建“共享对象”,然后传入每个线程,则所有线程将共享同一个对象.

(使用进程,请参阅multiprocessing.Manager类,它直接支持共享状态,包括修改.)

import threading, time


class SharedObj(object):
    image = 'beer.jpg'


class DoWork(threading.Thread):
    def __init__(self, shared, *args, **kwargs):
        super(DoWork,self).__init__(*args, **kwargs)
        self.shared = shared

    def run(self):
        print threading.current_thread(), 'start'
        time.sleep(1)
        print 'shared', self.shared.image, id(self.shared)
        print threading.current_thread(), 'done'


myshared = SharedObj()
threads = [ DoWork(shared=myshared, name='a'), 
            DoWork(shared=myshared, name='b')
]
for t in threads:
    t.start()
for t in threads:
    t.join()
print 'DONE'

输出:

<DoWork(a, started 140381090318080)> start
<DoWork(b, started 140381006067456)> start
shared beer.jpg shared140381110335440
 <DoWork(b, started 140381006067456)> done
beer.jpg 140381110335440
<DoWork(a, started 140381090318080)> done
DONE

请注意,线程ID不同,但它们都使用相同的SharedObj实例,内存地址以440结尾.

标签:python,singleton,multithreading,multiprocessing,parallel-python
来源: https://codeday.me/bug/20190624/1279916.html