Summary  
This chapter explains how to prevent race conditions and coordinate concurrent tasks by using locks for exclusive access to shared data, and queues or shared memory for safe inter-thread and inter-process communication.

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.

Ao trabalhar com threads ou processos, muitas vezes é necessário compartilhar dados ou coordenar suas ações. Sem a sincronização adequada, duas threads podem tentar atualizar a mesma variável ao mesmo tempo, levando a resultados imprevisíveis conhecidos como **condições de corrida**. Para evitar isso, o Python fornece primitivas de sincronização como **locks**, **filas** e **memória compartilhada**.

Um **lock** é um mecanismo simples que garante que apenas uma thread possa acessar um trecho de código ou dado por vez. Se uma thread adquire um lock, outras threads que tentarem adquiri-lo terão que esperar até que ele seja liberado. Isso impede que múltiplas threads façam alterações conflitantes.

**Filas** são outra ferramenta poderosa para comunicação segura entre threads e processos. Uma fila permite que uma thread ou processo insira dados com segurança, enquanto outro retira. A classe `queue.Queue` (para threads) e `multiprocessing.Queue` (para processos) gerenciam todo o bloqueio necessário internamente, então você não precisa se preocupar com condições de corrida.

Com **memória compartilhada**, os processos podem acessar os mesmos dados diretamente, mas é necessário usar primitivas de sincronização como locks ou semáforos para evitar conflitos. Na maioria dos casos, o uso de filas é mais simples e seguro para comunicação entre processos.

O vídeo acima mostra como um lock pode evitar que duas threads corrompam dados compartilhados e como uma fila pode ser usada para transferir dados com segurança entre tarefas concorrentes.

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.

Qual primitiva de sincronização você usaria para compartilhar dados com segurança entre múltiplas threads em Python?

Uma análise aprofundada de conceitos avançados de programação estrutural em Python, com foco em manipulação robusta de arquivos, gerenciamento de erros, concorrência, programação assíncrona e testes.

Domine o sistema de exceções do Python para tratamento de erros robusto e depuração.

Explore técnicas avançadas para operações de arquivos e gerenciamento de recursos utilizando gerenciadores de contexto.

Comparação e aplicação dos módulos de multithreading e multiprocessing do Python para programação concorrente.

Domine a programação assíncrona em Python utilizando a biblioteca asyncio para aplicações escaláveis orientadas a I/O.

Explore como escrever, organizar e executar testes utilizando os frameworks unittest e pytest do Python.

Sincronização e Comunicação