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.

Quando si lavora con thread o processi, spesso è necessario condividere dati o coordinare le loro azioni. Senza una corretta sincronizzazione, due thread potrebbero tentare di aggiornare la stessa variabile contemporaneamente, portando a risultati imprevedibili noti come **race condition**. Per prevenire ciò, Python fornisce primitive di sincronizzazione come **lock**, **queue** e **shared memory**.

Un **lock** è un meccanismo semplice che garantisce che solo un thread possa accedere a un determinato blocco di codice o dato alla volta. Se un thread acquisisce un lock, gli altri thread che tentano di acquisirlo dovranno attendere che venga rilasciato. Questo impedisce che più thread apportino modifiche in conflitto.

Le **queue** sono un altro potente strumento per una comunicazione sicura tra thread e processi. Una queue consente a un thread o processo di inserire dati in modo sicuro, mentre un altro li preleva. Le classi `queue.Queue` (per i thread) e `multiprocessing.Queue` (per i processi) gestiscono internamente tutti i necessari meccanismi di lock, quindi non è necessario preoccuparsi delle race condition.

Con la **shared memory**, i processi possono accedere direttamente agli stessi dati, ma è necessario utilizzare primitive di sincronizzazione come lock o semafori per evitare conflitti. Nella maggior parte dei casi, l'uso delle queue è più semplice e sicuro per la comunicazione tra processi.

Il video sopra mostra come un lock possa prevenire che due thread corrompano dati condivisi e come una queue possa essere utilizzata per trasferire dati in modo sicuro tra task concorrenti.

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.

Quale primitiva di sincronizzazione useresti per condividere dati in modo sicuro tra più thread in Python?

Acquisizione di competenze pratiche nella gestione dei moduli e delle importazioni in Python per una gestione efficiente del codice. Padronanza delle tecniche avanzate di gestione degli errori per applicazioni più affidabili, automazione delle operazioni sui file con la gestione dei file e apprendimento di strategie di testing robuste con Pytest e Unittest per garantire l'integrità del codice.

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.

Sincronizzazione e comunicazione