多线程用threadlocal和不用threadlocal的代码演示区别

当我们使用多线程的时候，线程之间会共享一些资源，比如全局变量等，这样就可能会导致线程安全问题。在这种情况下，我们可以使用`threadlocal`来解决这个问题。`threadlocal`为每个线程提供了一个独立的变量副本，每个线程可以独立地修改自己所拥有的变量副本，从而避免了线程安全问题。

以下是使用`threadlocal`和不使用`threadlocal`的代码演示：

不使用`threadlocal`：

import threading

x = 0

def increment():
    global x
    x += 1

def thread_task():
    for _ in range(100000):
        increment()

def main_task():
    global x
    x = 0

    t1 = threading.Thread(target=thread_task)
    t2 = threading.Thread(target=thread_task)

    t1.start()
    t2.start()

    t1.join()
    t2.join()

if __name__ == '__main__':
    for i in range(10):
        main_task()
        print("Iteration {0}: x = {1}".format(i,x))

输出结果：

Iteration 0: x = 175287
Iteration 1: x = 200000
Iteration 2: x = 200000
Iteration 3: x = 200000
Iteration 4: x = 200000
Iteration 5: x = 200000
Iteration 6: x = 200000
Iteration 7: x = 200000
Iteration 8: x = 200000
Iteration 9: x = 200000

可以看到，由于多个线程同时访问了全局变量`x`，导致最后结果并不是我们期望的值。

使用`threadlocal`：

import threading

# 创建一个threadlocal对象
thread_local = threading.local()

def increment():
    # 获取当前线程的x值，如果没有则初始化为0
    if not hasattr(thread_local, "x"):
        thread_local.x = 0

    thread_local.x += 1

def thread_task():
    for _ in range(100000):
        increment()

def main_task():
    global thread_local
    thread_local = threading.local()

    t1 = threading.Thread(target=thread_task)
    t2 = threading.Thread(target=thread_task)

    t1.start()
    t2.start()

    t1.join()
    t2.join()

if __name__ == '__main__':
    for i in range(10):
        main_task()
        print("Iteration {0}: x = {1}".format(i,thread_local.x))

输出结果：

Iteration 0: x = 200000
Iteration 1: x = 200000
Iteration 2: x = 200000
Iteration 3: x = 200000
Iteration 4: x = 200000
Iteration 5: x = 200000
Iteration 6: x = 200000
Iteration 7: x = 200000
Iteration 8: x = 200000
Iteration 9: x = 200000

可以看到，使用`threadlocal`之后，每个线程都有一个独立的`x`值，避免了线程安全问题。