线程安全编程的核心是通过锁、原子操作、减少共享和使用线程安全工具确保多线程访问共享数据时行为可预测、结果可复现。
线程安全编程的核心，是让多个线程在访问共享数据时，行为可预测、结果可复现。它不依赖“运气”或“大概率正确”，而是通过明确的机制消除竞态条件（Race Condition），确保每次执行都得到逻辑上一致的结果。
用锁控制临界区，是最直接有效的手段
当多个线程需要读写同一变量、对象或资源时，必须划定一个“临界区”——即只允许一个线程进入执行的代码段。常用方式包括：
- 使用 互斥锁（Mutex/Lock）：如 Python 的
threading.Lock、Java 的synchronized或ReentrantLock，加锁后其他线程阻塞等待 - 配合 RAII 风格管理：例如 C++ 的
std::lock_guard或 Python 的with lock:，自动释放锁，避免忘记解锁导致死锁 - 注意锁粒度：锁太粗会降低并发性，锁太细可能遗漏共享操作；优先锁定最小必要范围
对简单变量，优先考虑原子操作
对于计数器、标志位等单个变量的增减或读写，原子类型比锁更轻量、无阻塞：
- C++ 中使用
std::atomic<int></int>，Java 中使用AtomicInteger，Python 虽无原生 atomic 类型，但queue.Queue等内置结构内部已做原子封装 - 底层依赖 CPU 提供的 CAS（Compare-And-Swap）指令，保证读-改-写三步不可分割
- 适用于高频更新、低复杂度场景；不能替代锁来保护多步逻辑（如“先查后改”）
减少共享，从源头规避竞争
最安全的数据一致性，是不让数据被共享：
-
线程局部存储（TLS）：如 Python 的
threading.local()，为每个线程提供独立副本，天然隔离 -
不可变对象（Immutable Objects）：创建后状态不可变（如 Java 的
String、Python 的tuple），多线程可安全读取，无需同步 -
消息传递代替共享内存：用线程安全队列（如
queue.Queue、ConcurrentLinkedQueue）收发任务或结果，线程间不直接操作同一内存地址
选用线程安全的容器与工具类
不要自己在非线程安全结构（如 Python 的 list、dict，Java 的 ArrayList、HashMap）上手动加锁，容易遗漏边界：
- Python 推荐用
queue.Queue传递数据，用concurrent.futures管理任务生命周期 - Java 优先使用
ConcurrentHashMap、CopyOnWriteArrayList、BlockingQueue等java.util.concurrent包中的类 - 避免将普通容器包装成“伪线程安全”——比如只给
put加锁却忽略size()或遍历操作的并发问题
