Python如何实现一个线程安全的计数器_利用threading.Lock保证一致性-Python教程-PHP中文网

直接用全局变量+自增会出错，因为counter += 1非原子操作，分读取、计算、写回三步，多线程可能同时读到相同旧值导致丢失一次递增；必须用threading.Lock全程保护读写。

python如何实现一个线程安全的计数器_利用threading.lock保证一致性

为什么直接用全局变量 + 自增会出错

多个线程同时执行 counter += 1 时，实际分三步：读取当前值 → 计算新值 → 写回内存。如果两个线程几乎同时读到同一个旧值（比如 5），各自加 1 后都写回 6，就丢了一次递增。这不是偶发bug，而是必然发生的竞态条件。

threading.Lock 的正确用法

必须确保所有读写共享变量的操作都被同一把锁保护，包括读取、修改、写入全过程。常见错误是只锁了写操作，或者在不同作用域用了不同锁实例。

锁对象要定义在全局或类实例属性中，不能在函数内每次新建 threading.Lock()
用 with lock: 最安全，自动处理 acquire/release，即使抛异常也不会漏释放
不要手动调用 lock.acquire() 后忘记 lock.release()

import threading
<p>counter = 0
lock = threading.Lock()</p><p>def increment():
global counter
for _ in range(100000):
with lock:  # ✅ 整个自增操作被原子化
counter += 1
</p>

性能代价和替代方案

加锁会让并发变成串行执行关键段，高竞争下吞吐明显下降。如果只是计数，threading.local() 或 queue.Queue 可避免锁，但语义不同：前者是线程私有，后者适合生产者-消费者模式。

需要全局一致值 → 必须用 Lock 或 RLock（可重入）
只关心各线程独立计数 → 用 threading.local()，无锁且零开销
计数只是中间步骤，后续要聚合 → 先本地累加，最后用锁汇总一次

容易被忽略的初始化陷阱

如果计数器封装成类，锁必须在 __init__ 中创建，而不是作为类变量。否则所有实例共用一把锁，导致无关对象互相阻塞。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

class SafeCounter:
    def __init__(self):
        self.value = 0
        self._lock = threading.Lock()  # ✅ 实例独享锁
<pre class="brush:php;toolbar:false;">def incr(self):
    with self._lock:
        self.value += 1

多线程场景下，一致性比速度更难验证——问题往往只在压测时暴露，且难以复现。锁的位置、粒度、生命周期，一个没对齐就白忙活。