python threading.local 线程隔离

threading.local() 返回的是一个特殊的对象，它的状态是线程隔离的，每个线程的对value赋值，其实是在对不同的值进行赋值，你应该知道，python的对象里，属性值保存在字典中，显然，mylocal里保存了多份字典，区分他们的正是线程ID"

1. 输出结果是多少

先看一段代码

import threading

mylocal = threading.local()
mylocal.value = 0


def add_one(index):
    mylocal.value = index
    print(mylocal.value)

for i in range(1, 11):
    t = threading.Thread(target=add_one,args=(i,))
    t.start()

print(mylocal.value)

这段代码的最终输出结果是多少呢？如果你有一定的多线程编程经验，你应该会回答说结果不确定，因为mylocal.value的最终值是不确定的，10个线程对它进行写操作，只有最后那个执行的线程才会生效，实际的过程比这还要复杂

对内存中一个变量进行修改，可总结为三个步骤

1. 将变量读取到寄存器中
2. 在寄存器中修改
3. 写回内存

哪个线程最后执行这第3步，哪个线程的执行是生效的, 你能理解到这一层次，已经非常好了，但是，这不是上面问题的答案

2. 线程隔离

实际执行上述代码的结果是0，threading.local() 返回的是一个特殊的对象，它的状态是线程隔离的，每个线程的对value赋值，其实是在对不同的值进行赋值，你应该知道，python的对象里，属性值保存在字典中，显然，mylocal里保存了多份字典，区分他们的正是线程ID

web框架flask,基于Werkzeug实现，而Werkzeug 自己封装了werkzeug.local.Local ，其效果和threading.local 基本一致，但也有一些不同，正是由于使用了这样的技术，所以App Context 对象和 Request Context 对象是请求间隔离的，也就是说，在多线程环境下，每个request对象都会准确的找到自己的信息