Python线程安全核心是避免竞态条件，常用threading.Lock保护临界区、queue.Queue替代手动队列；Lock推荐with语句自动管理，queue.Queue所有操作原子安全，禁用直接访问内部结构；非原子复合操作需加锁或改用setdefault等；threading.local()提供线程独立副本；纯只读、collections.deque的append/pop天然线程安全。

Python中实现线程安全，核心是避免多个线程同时修改共享数据导致的竞态条件。最常用、最实用的方式是用threading.Lock控制临界区，以及用queue.Queue替代手动管理的列表等共享结构——它天生线程安全，无需额外加锁。

用Lock保护共享变量

当多个线程要读写同一个变量（比如计数器、字典、列表），必须用锁确保同一时刻只有一个线程能进入操作区域。

说明：Lock对象的acquire()和release()要成对出现；推荐用with lock:语句，自动处理释放，避免忘记解锁导致死锁。

示例：两个线程对全局计数器做10万次+1操作

立即学习“Python免费学习笔记（深入）”；

python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、

下载

import threading
<p>counter = 0
lock = threading.Lock()</p><p>def increment():
global counter
for _ in range(100000):
with lock:  # 自动 acquire/release
counter += 1</p><p>t1 = threading.Thread(target=increment)
t2 = threading.Thread(target=increment)
t1.start(); t2.start()
t1.join(); t2.join()
print(counter)  # 输出 200000（无锁时通常远小于该值）

别自己“手写线程安全队列”

很多初学者会用普通list + Lock模拟队列（如my_list.pop(0)），这不仅效率低，还容易漏锁或锁粒度不对。Python标准库的queue.Queue已内置完整锁机制，所有操作（put、get、qsize等）都是原子且线程安全的。

建议：

• 生产者调用q.put(item)，消费者调用q.get()，不用管锁
• 用q.task_done()配合q.join()等待所有任务完成
• 避免直接访问q.queue内部deque——它绕过了锁，破坏线程安全

常见误区与规避方式

有些看似“只读”的操作其实也不安全，尤其涉及复合动作或引用变化时：

• if key in my_dict: + my_dict[key] = value 不是原子操作，要用my_dict.setdefault(key, value)或加锁
• 对类实例属性赋值（如obj.x = x）本身线程安全，但若x是可变对象（如list），其内部修改仍需同步
• 使用threading.local()为每个线程提供独立副本，适合存储上下文数据（如请求ID、数据库连接），不用于线程间通信

何时可以不用锁？

不是所有共享都需要锁。以下情况天然线程安全：

• 纯函数式操作：只读全局常量（字符串、数字、tuple）、不修改任何共享状态
• GIL限制下的简单原子操作：如对全局整数执行+= 1在CPython中看似“可能”安全，但不可依赖——GIL不保证复合操作原子性，且PyPy等解释器行为不同
• 使用线程安全类型：除了queue.Queue，collections.deque的append()和pop()也是线程安全的（但list不是）