【引自selfboot 的博客】我們知道多線程環境下，每一個線程均可以使用所屬進程的全局變量。如果一個線程對全局變量進行了修改，將會影響到其他所有的線程。為了避免多個線程同時對變量進行修改，引入了線程同步機制，通過互斥鎖，條件變量或者讀寫鎖來控制對全局變量的訪問。

只用全局變量并不能滿足多線程環境的需求，很多時候線程還需要擁有自己的私有數據，這些數據對于其他線程來說不可見。因此線程中也可以使用局部變量，局部變量只有線程自身可以訪問，同一個進程下的其他線程不可訪問。

有時候使用局部變量不太方便，因此 python 還提供了 ThreadLocal 變量，它本身是一個全局變量，但是每個線程卻可以利用它來保存屬于自己的私有數據，這些私有數據對其他線程也是不可見的。下圖給出了線程中這幾種變量的存在情況：

線程變量

全局 VS 局部變量

首先借助一個小程序來看看多線程環境下全局變量的同步問題。

import threading 
global_num = 0 
def thread_cal(): 
    global global_num 
    for i in xrange(1000): 
        global_num += 1 
# Get 10 threads, run them and wait them all finished. 
threads = [] 
for i in range(10): 
    threads.append(threading.Thread(target=thread_cal)) 
    threads[i].start() 
for i in range(10): 
    threads[i].join() 
# Value of global variable can be confused. 
print global_num  

這里我們創建了10個線程，每個線程均對全局變量 global_num 進行1000次的加1操作(循環1000次加1是為了延長單個線程執行時間，使線程執行時被中斷切換)，當10個線程執行完畢時，全局變量的值是多少呢?答案是不確定。簡單來說是因為 global_num += 1 并不是一個原子操作，因此執行過程可能被其他線程中斷，導致其他線程讀到一個臟值。以兩個線程執行 +1 為例，其中一個可能的執行序列如下(此情況下***結果為1)：

多線程全局變量同步

多線程中使用全局變量時普遍存在這個問題，解決辦法也很簡單，可以使用互斥鎖、條件變量或者是讀寫鎖。下面考慮用互斥鎖來解決上面代碼的問題，只需要在進行 +1 運算前加鎖，運算完畢釋放鎖即可，這樣就可以保證運算的原子性。

l = threading.Lock() 
... 
    l.acquire() 
    global_num += 1 
    l.release()  

在線程中使用局部變量則不存在這個問題，因為每個線程的局部變量不能被其他線程訪問。下面我們用10個線程分別對各自的局部變量進行1000次加1操作，每個線程結束時打印一共執行的操作次數(每個線程均為1000)：

def show(num): 
    print threading.current_thread().getName(), num 
def thread_cal(): 
    local_num = 0 
    for _ in xrange(1000): 
        local_num += 1 
    show(local_num) 
threads = [] 
for i in range(10): 
    threads.append(threading.Thread(target=thread_cal)) 
    threads[i].start()  

可以看出這里每個線程都有自己的 local_num，各個線程之間互不干涉。

Thread-local 對象

上面程序中我們需要給 show 函數傳遞 local_num 局部變量，并沒有什么不妥。不過考慮在實際生產環境中，我們可能會調用很多函數，每個函數都需要很多局部變量，這時候用傳遞參數的方法會很不友好。

為了解決這個問題，一個直觀的的方法就是建立一個全局字典，保存進程 ID 到該進程局部變量的映射關系，運行中的線程可以根據自己的 ID 來獲取本身擁有的數據。這樣，就可以避免在函數調用中傳遞參數，如下示例：

global_data = {} 
def show(): 
    cur_thread = threading.current_thread() 
    print cur_thread.getName(), global_data[cur_thread] 
def thread_cal(): 
    cur_thread = threading.current_thread() 
    global_data[cur_thread] = 0 
    for _ in xrange(1000): 
        global_data[cur_thread] += 1 
    show()  # Need no local variable.  Looks good. 
...  

保存一個全局字典，然后將線程標識符作為key，相應線程的局部數據作為 value，這種做法并不***。首先，每個函數在需要線程局部數據時，都需要先取得自己的線程ID，略顯繁瑣。更糟糕的是，這里并沒有真正做到線程之間數據的隔離，因為每個線程都可以讀取到全局的字典，每個線程都可以對字典內容進行更改。

為了更好解決這個問題，python 線程庫實現了 ThreadLocal 變量(很多語言都有類似的實現，比如Java)。ThreadLocal 真正做到了線程之間的數據隔離，并且使用時不需要手動獲取自己的線程 ID，如下示例：

global_data = threading.local() 
def show(): 
    print threading.current_thread().getName(), global_data.num 
def thread_cal(): 
    global_data.num = 0 
    for _ in xrange(1000): 
        global_data.num += 1 
    show() 
threads = [] 
... 
print "Main thread: ", global_data.__dict__ # {}  

上面示例中每個線程都可以通過 global_data.num 獲得自己獨有的數據，并且每個線程讀取到的 global_data 都不同，真正做到線程之間的隔離。

Python通過 local 類來實現 ThreadLocal 變量，代碼量不多(只有100多行)，但是比較難理解，涉及很多 Python 黑魔法，下篇再來詳細分析。那么 ThreadLocal 很***了?不!Python 的 WSGI 工具庫 werkzeug 中有一個更好的 ThreadLocal 實現，甚至支持協程之間的私有數據，實現更加復雜，有機會再分析。

深入理解Python中的ThreadLocal變量（中）