python特殊线程：ThreadLocal

1.ThreadLocal产生原因

　　试想一个应用场景，例如flask中多个用户发起了多个http访问请求request，每个http请求就是一个独立线程，那么我们会有很多个线程，这些线程之间肯定要独立，才能保证每个请求的数据正确独立。

　　那么，我们肯定每一个线程的request都是一个独立的局部变量对象，

　　1.传参方式：则将它作为参数传入函数处理，然而，随着业务和功能增多，可能有很多的函数来处理request，如果每个都用参数传递，未免太麻烦太多代码量，修改也麻烦，很不友好。

　　2.不传参方式：但是如果使用全局变量，直接被函数处理，函数不用使用传参的方式，一个直观的的方法就是建立一个全局字典，保存进程 ID 到该进程局部变量的映射关系，运行中的线程可以根据自己的 ID 来获取本身拥有的数据。这样，就可以避免在函数调用中传递参数，如下示例：

global_data = {}
def show():
    cur_thread = threading.current_thread()
    print cur_thread.getName(), global_data[cur_thread]
 
def thread_cal():
    cur_thread = threading.current_thread()
    global_data[cur_thread] = 0
    for _ in xrange(1000):
        global_data[cur_thread] += 1
    show() # Need no local variable. Looks good.
...

　　保存一个全局字典，然后将线程标识符作为key，相应线程的局部数据作为 value，这种做法并不完美。首先，每个函数在需要线程局部数据时，都需要先取得自己的线程ID，略显繁琐。更糟糕的是，这里并没有真正做到线程之间数据的隔离，因为每个线程都可以读取到全局的字典，每个线程都可以对字典内容进行更改。

　　3.ThreadLocal方式：为了更好解决这个问题，python 线程库实现了 ThreadLocal 变量（很多语言都有类似的实现，比如Java）。ThreadLocal 真正做到了线程之间的数据隔离，并且使用时不需要手动获取自己的线程 ID，如下示例：

global_data = threading.local()
 
def show():
    print threading.current_thread().getName(), global_data.num
 
def thread_cal():
    global_data.num = 0
    for _ in xrange(1000):
        global_data.num += 1
    show()
 
threads = []
...
 
print "Main thread: ", global_data.__dict__ # {}

上面示例中，全局变量global_data是一个ThreadLocal类对象，每个线程都可以通过 global_data.num 获得自己独有的数据，相互之间隔离互不影响，每个线程读取到的 global_data 都不同，好像global_data拥有很多个分身，真正做到线程之间的隔离，ThreadLocal对象像全局变量一样使用简单，但是却拥有局部变量的数据隔离特性，因此是一种很特殊和强大的类。