怎么在Python中利用threading.Lock避免多线程资源竞争？-Python教程-PHP中文网

threading.Lock在多线程对共享可变对象执行“读—改—写”操作时必须使用，如counter += 1或list.append()，因GIL不保证复合操作原子性，不加锁会导致数据丢失；正确做法是用with lock:包裹整个临界区。

怎么在python中利用threading.lock避免多线程资源竞争？

threading.Lock 什么时候必须用？

当多个线程同时读写同一个可变对象（比如 list、dict、自定义类的属性）且涉及“读—改—写”操作时，threading.Lock 就不是可选项，而是必须项。典型场景：多个线程往同一个 shared_counter 变量上做 += 1；或往全局 results 列表里 .append() 数据。

Python 的 GIL 虽能保证单个字节码原子性，但 counter += 1 实际对应 LOAD → INPLACE_ADD → STORE 三步，中间可能被切换，结果就是丢数据——你启动 10 个线程各加 1000 次，最后 shared_counter 可能只有 7000 多。

Lock 的正确使用姿势

核心原则：锁的粒度要覆盖整个临界区，且必须成对出现。漏掉 release() 会死锁；提前 release() 会失去保护；没用 acquire() 就操作共享资源等于没锁。

推荐用 with lock: 语句块——自动处理 acquire/release，哪怕中间抛异常也不会漏释放
不要手动调 lock.acquire() 后忘记 lock.release()
避免在锁内做耗时操作（如网络请求、文件读写），否则其他线程会长时间阻塞
如果需要尝试获取锁而不阻塞，用 lock.acquire(blocking=False)，它返回 True 或 False，别直接当布尔值用而忽略返回值

示例：

import threading
<p>shared_counter = 0
lock = threading.Lock()</p><p>def worker():
global shared<em>counter
for </em> in range(1000):
with lock:  # ✅ 安全：自动加锁/解锁
shared_counter += 1</p><p>threads = [threading.Thread(target=worker) for _ in range(10)]
for t in threads:
t.start()
for t in threads:
t.join()</p><p>print(shared_counter)  # 稳定输出 10000
</p>