ความปลอดภัยของเธรดในพจนานุกรมของ Python

ฉันมีชั้นเรียนที่มีพจนานุกรม

class OrderBook:
    orders = {'Restaurant1': None,
              'Restaurant2': None,
              'Restaurant3': None,
              'Restaurant4': None}

    @staticmethod
    def addOrder(restaurant_name, orders):
        OrderBook.orders[restaurant_name] = orders

และฉันทำงาน 4 กระทู้ (หนึ่งสำหรับแต่ละร้านอาหาร) OrderBook.addOrderที่เรียกวิธี นี่คือฟังก์ชั่นที่รันโดยแต่ละเธรด:

def addOrders(restaurant_name):

    #creates orders
    ...

    OrderBook.addOrder(restaurant_name, orders)

มีความปลอดภัยนี้หรือฉันจะต้องใช้ล็อคก่อนที่จะเรียกaddOrder?

โครงสร้างในตัวของ Python ปลอดภัยต่อเธรดสำหรับการดำเนินการเดียว แต่บางครั้งอาจเป็นเรื่องยากที่จะเห็นว่าคำสั่งกลายเป็นการดำเนินการหลายอย่าง

รหัสของคุณควรปลอดภัย ข้อควรจำ: การล็อคที่นี่จะไม่เพิ่มค่าใช้จ่ายใด ๆ เลยและจะทำให้คุณสบายใจ

http://effbot.org/pyfaq/what-kinds-of-global-value-mutation-are-thread-safe.htm มีรายละเอียดเพิ่มเติม

ใช่ประเภทในตัวเป็นเธรดที่ปลอดภัยโดยเนื้อแท้: http://docs.python.org/glossary.html#term-global-interpreter-lock

สิ่งนี้ช่วยลดความยุ่งยากในการใช้งาน CPython โดยการสร้างโมเดลอ็อบเจ็กต์ ( รวมถึงชนิดบิวท์อินที่สำคัญเช่น dict ) โดยปริยายปลอดภัยจากการเข้าถึงพร้อมกัน

คำแนะนำเกี่ยวกับสไตล์ของ Google แนะนำว่าอย่าพึ่งการปรมาณูแบบเผด็จการ

อธิบายรายละเอียดเพิ่มเติมได้ที่: Python variable assignment atomic หรือไม่?

อย่าพึ่งพาความเป็นอะตอมของชนิดในตัว

แม้ว่าประเภทข้อมูลในตัวของ Python เช่นพจนานุกรมดูเหมือนจะมีการดำเนินการเกี่ยวกับอะตอม แต่ก็มีบางกรณีที่ไม่เป็นอะตอม (เช่นถ้า__hash__หรือ__eq__นำไปใช้เป็นวิธีการของ Python) และไม่ควรพึ่งพาความเป็นอะตอม คุณไม่ควรพึ่งพาการกำหนดตัวแปรอะตอม (เนื่องจากสิ่งนี้ขึ้นอยู่กับพจนานุกรม)

ใช้Queueชนิดข้อมูล Queue ของโมดูลเป็นวิธีที่ต้องการในการสื่อสารข้อมูลระหว่างเธรด มิฉะนั้นให้ใช้โมดูลเธรดและแบบดั้งเดิมในการล็อค เรียนรู้เกี่ยวกับการใช้ตัวแปรเงื่อนไขอย่างเหมาะสมเพื่อให้คุณสามารถใช้threading.Conditionแทนการใช้การล็อกระดับล่างได้

และฉันเห็นด้วยกับสิ่งนี้: มี GIL ใน CPython อยู่แล้วดังนั้นประสิทธิภาพที่ได้รับจากการใช้ Lock จะน้อยมาก ค่าใช้จ่ายที่มากขึ้นคือชั่วโมงที่ใช้ในการล่าบั๊กในโค้ดเบสที่ซับซ้อนเมื่อรายละเอียดการใช้งาน CPython เปลี่ยนไปในวันหนึ่ง