flask LOCAL线程隔离技术

from threading import Thread
from werkzeug.local import Local

local = Local()#实例化一个线程隔离对象

request = ‘123‘

class MyThread(Thread):
    def run(self):
        global request
        request = ‘abc‘
        print(‘子线程‘,request)

mythread = MyThread()
mythread.start()
mythread.join()

print(‘主线程‘,request)#线程之前是共享的,要想线程隔离,就用到flask中的Local

#使用Local线程隔离会怎么样
local.request = ‘456‘

class LocalThead(Thread):
    def run(self):
        local.request = ‘def‘
        print(‘子线程‘,local.request)

localthead = LocalThead()
localthead.start()
localthead.join()

print(‘主线程‘,local.request)#线程完全隔离了

from threading import local #python 的多线程也有local线程隔离,只要绑定到local的属性,都是线程隔离的

原文地址:https://www.cnblogs.com/wuheng-123/p/9747034.html

时间: 2024-10-08 17:28:08

flask LOCAL线程隔离技术的相关文章

Hystrix线程隔离技术解析-线程池(转)

认识Hystrix Hystrix是Netflix开源的一款容错框架,包含常用的容错方法:线程隔离.信号量隔离.降级策略.熔断技术. 在高并发访问下,系统所依赖的服务的稳定性对系统的影响非常大,依赖有很多不可控的因素,比如网络连接变慢,资源突然繁忙,暂时不可用,服务脱机等.我们要构建稳定.可靠的分布式系统,就必须要有这样一套容错方法. 本文主要讨论线程隔离技术. 为什么要做线程隔离 比如我们现在有3个业务调用分别是查询订单.查询商品.查询用户,且这三个业务请求都是依赖第三方服务-订单服务.商品服

flask高级编程-LocalStack线程隔离

30.LocalStack作为线程隔离对象的意义 30.1 数据结构 限制了某些能力 30.2 线程隔离 # -*- coding=utf-8 -*- import threading import time from werkzeug.local import LocalStack my_stack = LocalStack() my_stack.push(1) print('in main thread after push, value is:' + str(my_stack.top))

线程---local数据隔离

线程之间本身是数据共享的,当多个线程同时修改一份数据的时候,数据就可能不 准确,特别是线程量特别大的时候,为了保证数据准确性: (1) 通过线程锁Lock (2)通过local数据隔离 from threading import local, Thread loc = local() # 产生一个对象 def func(name, age): global loc loc.name = name loc.age = age print(loc.name, loc.age) Thread(targ

Hadoop YARN资源隔离技术

YARN对内存资源和CPU资源采用了不同的资源隔离方案.对于内存资源,它是一种限制性资源,它的量的大小直接决定应用程序的死活,因为应用程序到达内存限制,会发生OOM,就会被杀死.CPU资源一般用Cgroups进行资源控制,Cgroups控制资源测试可以参见这篇博文Cgroups控制cpu,内存,io示例,内存资源隔离除Cgroups之外提供了另外一个更灵活的方案,就是线程监控方案. 默认情况下YARN采用线程监控的方案控制内存使用,采用这种机制的原因有两点: 1.Java创建子进程采用了"for

[Python]threading local 线程局部变量小测试

概念 有个概念叫做线程局部变量,一般我们对多线程中的全局变量都会加锁处理,这种变量是共享变量,每个线程都可以读写变量,为了保持同步我们会做枷锁处理.但是有些变量初始化以后,我们只想让他们在每个线程中一直存在,相当于一个线程内的共享变量,线程之间又是隔离的.python threading模块中就提供了这么一个类,叫做local. 多线程中共享变量和局部变量的区别我画两个小图,简单描述下(作图能力一般,请见谅,概念性的东西大家可以google下,很多好文章) 全局变量 线程局部变量 对比: 下面是

线程隔离ThreadLocal

ThreadLocal是什么 早在JDK 1.2的版本中就提供java.lang.ThreadLocal,ThreadLocal为解决多线程程序的并发问题提供了一种新的思路.使用这个工具类可以很简洁地编写出优美的多线程程序. 当使用ThreadLocal维护变量时,ThreadLocal为每个使用该变量的线程提供独立的变量副本,所以每一个线程都可以独立地改变自己的副本,而不会影响其它线程所对应的副本. 从线程的角度看,目标变量就象是线程的本地变量,这也是类名中“Local”所要表达的意思. 所以

flask-get/post/线程隔离g对象/钩子函数

get: 通过request.args来获取 from flask import Flask, request @app.route('/search/') def search(): # 获得参数字典 args = request.args print(args) # ImmutableMultiDict([('q', 'hello')]) print(args.get('q')) # hello return 'search' post: 1 from flask import Flask,

localstack 线程隔离

# 线程隔离 from werkzeug.local import LocalStack import threading # 首先实例化 my_stack = LocalStack() my_stack.push(1) # 主线程入栈 def worker(): print("in worker thread the value is:", my_stack.top) my_stack.push(2) # 在worker thread里面push一个元素 print("in

.NET线程池技术实现多任务批量处理

一.多线程技术应用场景介绍 本期同样带给大家分享的是阿笨在实际工作中遇到的真实业务场景,请跟随阿笨的视角去如何采用基于开源组件SmartThreadPool线程池技术实现多任务批量处理.在工作中您是否遇到过如何快速高效的处理Job任务列表.如何通过多线程批量处理订单.如何多线程群发短信.如何批量上传图片到远程图片服务器或者云存储图片服务器.如何通过多线程让应用程序提高对CPU的利用率从而增加应用程序的处理效率,等等.如果您有遇到类似的业务场景的而感到烦恼的话,那么今天您看完阿笨的分享课后下次碰到