Python单例模式：多线程与多进程下的表现
本文探讨Python单例模式在多线程和多进程环境下的行为差异。单例模式旨在确保一个类只有一个实例。然而，这种行为在并发环境下会受到进程和线程模型的影响。
以下代码示例展示了一个简单的单例模式实现，并通过多线程和多进程测试其行为：
import multiprocessing
import threading
import time
def singleton(cls):
instances = {}
def getinstance():
if cls not in instances:
instances[cls] = cls()
return instances[cls]
return getinstance
@singleton
class SingletonClass:
count = 0
def __init__(self):
SingletonClass.count += 1
def worker(name):
for _ in range(100):
instance = SingletonClass()
instance.count +=1
time.sleep(0.1)
print(f"{name}: count = {SingletonClass.count}, id = {id(instance)}")
if __name__ == '__main__':
# 多线程测试
threads = [threading.Thread(target=worker, args=(f"Thread-{i}",)) for i in range(2)]
for thread in threads:
thread.start()
for thread in threads:
thread.join()
# 多进程测试 (注释掉多线程部分后运行)
# processes = [multiprocessing.Process(target=worker, args=(f"Process-{i}",)) for i in range(2)]
# for process in processes:
# process.start()
# for process in processes:
# process.join()
为了更清晰地观察，我们增加了打印实例ID (id(instance))。
在多线程环境下运行，你会发现两个线程共享同一个SingletonClass实例，count值会递增，且所有实例的ID相同。这是因为线程共享同一进程的内存空间。
立即学习“Python免费学习笔记（深入）”；
然而，如果取消多线程部分的注释并运行多进程部分，你会看到每个进程都创建了自己的SingletonClass实例，count值在每个进程中独立递增，且实例ID不同。这是因为每个进程拥有独立的内存空间。
总结：
- 多线程： 单例模式有效，所有线程共享同一个实例。
- 多进程： 单例模式无效，每个进程拥有独立的实例。
这种差异源于Python多进程的机制：每个进程拥有独立的解释器和内存空间，它们之间不共享数据。而多线程则共享同一进程的内存空间。 因此，需要根据具体应用场景选择合适的并发模型和单例模式的实现方式，以确保其正确性和预期行为。 对于多进程环境，需要考虑使用其他机制来实现跨进程的单例效果，例如使用进程间通信或共享内存。
