17370845950

新闻动态
Python多线程同步机制_锁与队列解析【教程】
真正安全共享数据的方式是锁（Lock）和队列（queue.Queue）；锁用于保护临界区防止竞态条件，队列则提供线程安全的消息传递机制，适用于生产者-消费者模型。

Python多线程中，真正安全共享数据的方式不是靠“自觉”，而是靠机制——锁（Lock）和队列（queue.Queue）是最常用、最可靠的两种同步工具。它们解决的核心问题是：多个线程同时读写同一资源时，避免竞态条件（race condition）导致的数据错乱。

为什么需要锁：防止并发修改出错

当多个线程同时对一个全局变量做“读取→计算→写入”这类非原子操作时，结果可能意外丢失。比如两个线程都读到 count = 5，各自加1后都写回6，最终结果还是6，而不是预期的7。

使用 threading.Lock 可以把临界区（即访问共享资源的代码段）变成互斥执行：

  • 调用 lock.acquire() 尝试获取锁；若已被占用，线程会阻塞等待
  • 执行完共享资源操作后，必须调用 lock.release() 释放锁（推荐用 with lock: 自动管理）
  • 锁只能被同一个线程获取一次；重复 acquire 会死锁，除非用 R Lock

队列：线程间通信的首选方式

queue.Queue 是线程安全的，内部已集成锁机制，无需手动加锁。它天然适合生产者-消费者模型：

  • q.put(item) 和 q.get() 都是原子操作，可安全用于多线程
  • q.join() 配合 q.task_done() 实现任务完成等待
  • 支持阻塞/超时：如 q.get(timeout=2) 避免无限等待
  • 常见类型还有 Queue（FIFO）、LifoQueue（栈）、PriorityQueue（优先级）

锁 vs 队列：怎么选

锁适用于保护小段关键代码或简单状态（如计数器、标志位）；队列适用于传递数据、解耦线程角色、控制执行节奏。

  • 要更新一个全局计数器？用 Lock 更轻量
  • 要让工作线程处理来自UI线程的任务？用 Queue 更清晰、更健壮
  • 多个线程频繁读写同一字典？考虑用锁保护整个操作，或改用 queue.Queue 转为消息驱动

一个实用组合示例

启动3个消费者线程，从队列持续取任务；主线程作为生产者放入10个任务，并等待全部完成：

import threading
import queue
import time

q = queue.Queue()
def worker():
while True:
try:
task = q.get(timeout=1)
print(f"处理: {task}")
time.sleep(0.5)
q.task_done()
except queue.Empty:
break
for _ in range(3):
t = threading.Thread(target=worker)
t.start()
for i in range(10):
q.put(f"任务-{i}")
q.join()  # 等待所有任务被 task_done()
print("全部完成")

赣ICP备2024031479号