Summary  
This chapter explains how to use locks to ensure exclusive access to shared data and queues to safely pass information between concurrent tasks, preventing race conditions.

General domain of usage  
Concurrent programming

In this video, we'll use the analogy of The Shared Recipe Book to explain synchronization and communication in Python threads and processes. Imagine two chefs (representing threads) working in a busy kitchen. They both need to update the 'Eggs Used' count in a shared recipe book. If both chefs try to write in the book at the same time, the numbers can get mixed up—this is called a race condition. For example, both chefs see the count as 5, each adds 1, and both write down 6—when it should be 7! This is data corruption caused by unsynchronized access.

To prevent this, we introduce a Lock, which acts like a physical key to the recipe book. Only the chef holding the key can open the book and update the count. Other chefs must wait their turn until the key is available. This ensures that only one chef updates the book at a time, keeping the numbers accurate—just like how a Python lock prevents threads from corrupting shared data.

Now, let's talk about Queues. Think of a Queue as a note box next to the recipe book. Instead of updating the book directly, each chef writes a note with their update and puts it in the box. The box is managed so that only one note is processed at a time, and updates are made safely in order. In Python, queues handle all the necessary locking internally, making it easy for threads or processes to communicate without worrying about race conditions.

Finally, Shared Memory is like a chalkboard on the kitchen wall, visible to all chefs. It's fast because anyone can write on it, but if two chefs write at the same time, their notes can overlap and become unreadable—like smudged chalk. To prevent this, the chefs still need to use the key (Lock) before writing on the chalkboard, ensuring only one writes at a time.

In summary, whether you're using a recipe book (shared data), a note box (queue), or a chalkboard (shared memory), synchronization tools like locks and queues are essential for keeping your data accurate and your kitchen (program) running smoothly. Python provides these tools to help you coordinate threads and processes safely and efficiently.

Työskenneltäessä säikeiden tai prosessien kanssa on usein tarpeen jakaa tietoa tai koordinoida niiden toimintaa. Ilman asianmukaista synkronointia kaksi säiettä saattaa yrittää päivittää samaa muuttujaa samanaikaisesti, mikä johtaa arvaamattomiin tuloksiin, joita kutsutaan **kilpailutilanteiksi**. Tämän estämiseksi Python tarjoaa synkronointirakenteita, kuten **lukot**, **jonot** ja **jaetun muistin**.

**Lukko** on yksinkertainen mekanismi, joka varmistaa, että vain yksi säie voi käyttää tiettyä koodia tai dataa kerrallaan. Jos yksi säie hankkii lukon, muiden säikeiden on odotettava, kunnes lukko vapautetaan. Tämä estää useita säikeitä tekemästä ristiriitaisia muutoksia.

**Jonot** ovat toinen tehokas työkalu turvalliseen viestintään säikeiden ja prosessien välillä. Jonon avulla yksi säie tai prosessi voi turvallisesti lisätä tietoa jonoon, kun taas toinen ottaa sitä pois. Luokat `queue.Queue` (säikeille) ja `multiprocessing.Queue` (prosesseille) hoitavat kaiken tarvittavan lukituksen sisäisesti, joten sinun ei tarvitse huolehtia kilpailutilanteista.

**Jaetun muistin** avulla prosessit voivat käyttää samaa dataa suoraan, mutta tällöin on käytettävä synkronointirakenteita, kuten lukkoja tai semaforeja, ristiriitojen välttämiseksi. Useimmissa tapauksissa jonojen käyttö on yksinkertaisempaa ja turvallisempaa prosessien välisessä viestinnässä.

Yllä oleva video havainnollistaa, kuinka lukko voi estää kahta säiettä vioittamasta jaettua dataa ja kuinka jonoa voidaan käyttää tiedon turvalliseen siirtämiseen rinnakkaisten tehtävien välillä.

import threading

counter = 0
lock = threading.Lock()

def increment():
    global counter
    for _ in range(10000):
        with lock:  #  Ensuring only one thread enters this block at a time
            counter += 1

threads = []
for _ in range(5):
    t = threading.Thread(target=increment)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print("Final counter value:", counter)
# Without the lock, the final value would likely be wrong due to race conditions.
# With the lock, the result is always correct: 50000.

Mitä synkronointirakennetta käyttäisit tiedon turvalliseen jakamiseen useiden säikeiden välillä Pythonissa?

Saat käytännön taitoja Pythonin moduulien ja tuontien hallintaan tehokasta koodin hallintaa varten. Hallitse kehittyneitä virheenkäsittelytekniikoita luotettavampien sovellusten rakentamiseksi, automatisoi tiedostojen käsittely ja opi vankkoja testausstrategioita Pytestin ja Unittestin avulla varmistaaksesi koodisi eheyden.

Master Python's exception system for robust error handling and debugging.

Explore advanced techniques for file operations and resource management using context managers.

Compare and apply Python's multithreading and multiprocessing modules for concurrent programming.

Master asynchronous programming in Python using the asyncio library for scalable I/O-bound applications.

Explore how to write, organize, and run tests using Python's unittest and pytest frameworks.

Synkronointi ja viestintä