Python并行编程(四)：多线程同步之condition(条件

什么是Condtion？

所谓condition条件变量，即这种机制是在满足了特定的条件后，线程才可以访问相关的数据。 这种同步机制就是一个线程等待特定的条件，另一个线程通知它条件已经发生。一旦条件发生，该线程就会获取锁，从而独占共享资源的访问。
Condition包含以下部分：

• c.acquire(args):获取底层锁。此方法将调用底层锁上对应的acquire(args)方法。
• c.release()：释放底层锁。此方法将调用底层锁上对应的release()方法
• c.wait(timeout)：等待直到获取通知或出现超时为止。此方法在调用线程已经获取锁之后调用。
  调用时，将释放底层锁，而且线程将进入睡眠状态，直到另一个线程在条件变量上执行notify()或notify_all()方法将其唤醒为止。在线程被唤醒后，线程讲重新获取锁，方法也会返回。timeout是浮点数，单位为秒。
  如果超时，线程将被唤醒，重新获取锁，而控制将被返回。
• c.notify(n)：唤醒一个或多个等待此条件变量的线程。此方法只会在调用线程已经获取锁之后调用，
  而且如果没有正在等待的线程，它就什么也不做。
  n指定要唤醒的线程数量，默认为1.被唤醒的线程在它们重新获取锁之前不会从wait()调用返回。

c.notify_all()：唤醒所有等待此条件的线程。
通俗的解释：

Python提供的Condition对象提供了对复杂线程同步问题的支持。Condition被称为条件变量，除了提供与Lock类似的 acquire和release方法外，还提供了wait和notify方法。线程首先acquire一个条件变量，然后判断一些条件。如果条件不满足则 wait；如果条件满足，进行一些处理改变条件后，通过notify方法通知其他线程，其他处于wait状态的线程接到通知后会重新判断条件。不断的重复 这一过程，从而解决复杂的同步问题。
可以认为Condition对象维护了一个锁（Lock/RLock)和一个waiting池。线程通过acquire获得Condition对 象，当调用wait方法时，线程会释放Condition内部的锁并进入blocked状态，同时在waiting池中记录这个线程。当调用notify 方法时，Condition对象会从waiting池中挑选一个线程，通知其调用acquire方法尝试取到锁。
Condition对象的构造函数可以接受一个Lock/RLock对象作为参数，如果没有指定，则Condition对象会在内部自行创建一个RLock。

带有缓冲区的生产者-消费者模型

我们可以根据所谓的wait池构建一个带有缓冲区的生产者-消费者模型，即缓冲区好比一个仓库，生产者可以不断生产商品知道仓库装满，然后告知消费者消费，而消费者也可以判断仓库是否满了告知生产者继续生产商品：

import threading
import time

# 假设商品数量
goods = 0

condition = threading.Condition()


def consumer():
    global goods
    while True:
        condition.acquire()
        if goods <= 0:
            # 仓库空了，即特定条件满足了，通知生产者生产
            condition.notify()
            condition.wait()
        time.sleep(2)
        goods -= 1
        print('consume 1， left {}'.format(goods))
        time.sleep(2)

        condition.release()


def producer():
    global goods
    while True:
        condition.acquire()
        if goods >= 5:
            # 仓库满了，即特定条件满足了，通知消费者消费
            condition.notify()
            condition.wait()

        time.sleep(2)
        goods += 1
        print('produce 1, already {}'.format(goods))
        time.sleep(2)

        condition.release()


if __name__ == '__main__':
    thread_consumer = threading.Thread(target=consumer)
    thread_producer = threading.Thread(target=producer)

    thread_consumer.start()
    thread_producer.start()

    thread_consumer.join()
    thread_producer.join()

    print('consumer-producer example end.')

运行截图如下：