这次让我们来看看一个真实场景吧：银行转账

一、举例银行转账

假设现在有一个xuewei的账号里面有 100W。

然后有多个任务在转账，转入转出都是跟这个xuewei账号相关的。

而且这些任务都是随机的。

我们先把上面的场景写成代码：

xuewei_account = 100 # amount为负数即是转出金额 def transfer(money): global xuewei_account xuewei_account = money

下面是多个线程，多线程模拟转账事件，我们假设有4个事件在同时发生。

import random import threading import datetime import time xuewei_account = 100 # amount为负数即是转出金额 def transfer(money): global xuewei_account xuewei_account = money # 创建4个任务给学委账户转账 for i in range(10000): threading.Thread(target=lambda: transfer(-1)).start() threading.Thread(target=lambda: transfer(1)).start() threading.Thread(target=lambda: transfer(-1)).start() threading.Thread(target=lambda: transfer(1)).start() # 等待活跃线程只剩下主线程MainThread time.sleep(10) print("-" * 16) print("活跃线程数:", threading.active_count()) print("活跃线程:", threading.current_thread().name) print("学委账户余额：", xuewei_account)

这里启动了4个线程循环了10000次，也就是4万个线程，分别于学委的账户进行转账。

下面是运行结果：

运行几次学委的账户还是正确的，余额还是100W。

上面的代码线程几万个，但每次运行的操作都很简单，完成一次加法。

线程一个接一个start，非常快速就切换下一个线程， 我们看到程序没有出现问题。

下面进行改造，这次不要就4万线程了，我们让转账这个任务耗时更多，每启动一个线程进行模拟10万次转账。

import random import threading import datetime import time xuewei_account = 100 # amount为负数即是转出金额 def transfer(money): global xuewei_account for x in range(100000): xuewei_account = money

创建4个任务给重复学位账户转账：

for i in range(10): threading.Thread(target=lambda: transfer(-1)).start() threading.Thread(target=lambda: transfer(1)).start() threading.Thread(target=lambda: transfer(-1)).start() threading.Thread(target=lambda: transfer(1)).start() time.sleep(10) print("-" * 16) print("活跃线程数:", threading.active_count()) print("活跃线程:", threading.current_thread().name) print("学委账户余额：", xuewei_account)

这里运行的结果就比较出乎意料了：

多线程编程复杂的地方就在这里了, 有时候明明平平无奇的代码，改造成多线程，就很容易出bug！

当然上面的代码并不是平平无奇，相比第一段代码，上面的转账函数做的事件更多，更耗时。

二、问题解决

我们加上锁。

代码如下：

import random import threading import datetime import time xuewei_account = 100 lock = threading.Lock() # amount为负数即是转出金额 def transfer(money): lock.acquire() global xuewei_account for x in range(100000): xuewei_account = money lock.release() # 创建4个任务给重复学委账户转账 for i in range(10): threading.Thread(target=lambda: transfer(-1)).start() threading.Thread(target=lambda: transfer(1)).start() threading.Thread(target=lambda: transfer(-1)).start() threading.Thread(target=lambda: transfer(1)).start() time.sleep(10) print("-" * 16) print("活跃线程数:", threading.active_count()) print("活跃线程:", threading.current_thread().name) print("学委账户余额：", xuewei_account)

运行结果如下：

上面的代码不管怎么运行，运行多少次最后学委的账户都是100.（PS：学委不会联系读者转账的，这个特别注意）。

不管多少个线程，每次转账函数内部转账的代码（从global到 = money这一段代码）只会被一个线程调用。

三、总结

展示了通过同步机制解决一些编程问题的思路。读者可以多多借鉴，思考锁的应用。

为什么在对amount重度操作（本文第二段代码）的时候，计算就出错了！

并发编程是高度利用CPU计算能力的编程方式，并发程序也就是在并行执行同类任务的程序。这个可以跟单线程应用比较。