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.

Lors de l'utilisation de threads ou de processus, il est souvent nécessaire de partager des données ou de coordonner leurs actions. Sans synchronisation appropriée, deux threads peuvent essayer de modifier la même variable simultanément, ce qui conduit à des résultats imprévisibles appelés **conditions de concurrence** (*race conditions*). Pour éviter cela, Python propose des primitives de synchronisation telles que les **verrous** (*locks*), les **files d'attente** (*queues*) et la **mémoire partagée** (*shared memory*).

Un **verrou** est un mécanisme simple qui garantit qu'un seul thread peut accéder à une portion de code ou à une donnée à la fois. Si un thread acquiert un verrou, les autres threads qui tentent de l'acquérir devront attendre qu'il soit libéré. Cela empêche plusieurs threads d'effectuer des modifications conflictuelles.

Les **files d'attente** sont un autre outil puissant pour une communication sécurisée entre threads et processus. Une file d'attente permet à un thread ou à un processus d'ajouter des données en toute sécurité, tandis qu'un autre les retire. La classe `queue.Queue` (pour les threads) et `multiprocessing.Queue` (pour les processus) gèrent tous les verrous nécessaires en interne, vous n'avez donc pas à vous soucier des conditions de concurrence.

Avec la **mémoire partagée**, les processus peuvent accéder directement aux mêmes données, mais il faut utiliser des primitives de synchronisation comme les verrous ou les sémaphores pour éviter les conflits. Dans la plupart des cas, l'utilisation de files d'attente est plus simple et plus sûre pour la communication inter-processus.

La vidéo ci-dessus montre comment un verrou peut empêcher deux threads de corrompre des données partagées, et comment une file d'attente peut être utilisée pour transmettre des données en toute sécurité entre des tâches concurrentes.

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.

Quelle primitive de synchronisation utiliseriez-vous pour partager des données en toute sécurité entre plusieurs threads en Python ?

Vous acquerrez des compétences pratiques dans les modules et les imports de Python pour une gestion efficace du code. Maîtrisez des techniques avancées de gestion des erreurs pour des applications plus fiables, automatisez les opérations de fichiers avec la gestion des fichiers, et apprenez des stratégies de test robustes avec Pytest et Unittest pour assurer l'intégrité de votre code.

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.

Synchronisation et Communication