Python多线程共同操作同一个数据互斥锁同步？

多线程共同操作同一个数据的时候，怎么保证同步？其实啊，这玩意儿面试里特别爱考，写代码的时候也天天能踩坑。你想啊，多个线程一块儿去改一个变量，要是不加限制，那不是谁抢到就写，最后数据乱七八糟，结果完全不对了嘛。

先举个特别生活化的例子，你想象一下公司茶水间放一罐糖，大家下班都去抓两颗吃，要是没有规矩，三个人同时伸手进去，可能一个人还没拿完，另一个人就跟着抓，结果数目完全对不上。那在代码里就是线程安全问题，Python 里就得用互斥锁（Lock）去控制，保证同一时刻只有一个人能去动那罐糖。

说到这儿，你们是不是立马想到 threading 模块？对对，就是那个。里面有个 Lock，就像门口挂了个锁，你要进去必须先拿到钥匙，拿到了才能动里面的资源，等你用完了再把钥匙还回去，别人才能继续用。比如下面这个小例子，我昨天在地铁上敲的：

你要是把 with lock: 那段去掉，最后结果十有八九不是 500000，可能少个几千几万，这就是竞态条件。加了锁之后就规矩了，每次只能一个线程加 1，数据稳稳当当。

不过呢，光知道用锁还不够。像我上次在家熬夜改一个爬虫脚本，手一抖锁的位置放错了，结果线程都卡死在那等，谁也不释放，死锁了。就像两个人同时换钥匙，一个说“你先给我”，另一个说“你先给我”，最后谁也进不去。这种情况在多锁的场景特别容易发生，比如线程 A 先拿了锁1 又去等锁2，而线程 B 正好拿了锁2 去等锁1，两个人就互相干瞪眼。所以实际写的时候，要么尽量少用锁，要么就固定顺序拿，别乱抢。

还有个点就是 Python 的 GIL（全局解释器锁），面试官爱追问。你要说清楚，虽然 GIL 限制了同一时刻只能有一个线程执行 Python 字节码，但像 I/O 操作的时候线程还是能切换的，所以锁依旧重要。尤其在操作共享数据的时候，GIL 并不能替代互斥锁，不然数据早飞了。

其实我后来更喜欢用 threading.RLock，也就是可重入锁。上次我在项目里写日志模块，一个函数里调了另一个也要加锁的函数，要是用普通锁直接卡死自己了，用 RLock 就没事，它允许同一个线程多次获取，不会死锁。这个小技巧要是说出来，面试官一般会点点头，说明你懂门道。对了，说到同步，有人会提 Condition 或者 Semaphore，这些场景也不少。像 Semaphore 就像公司食堂窗口的托盘数，拿完托盘就得等别人吃完还回来再轮到你。适合控制“最多允许几个线程同时执行”的场景。Condition 就是更高级的玩法了，让线程可以等一个条件满足才继续跑，比如“等到数据准备好再开始计算”。

我有次写多线程下载器，每个线程负责一个片段，但最后得等所有片段都下完才能合并文件，我就用 threading.Barrier，这东西相当于一个集合点，大家跑到这里先等一等，人都到齐了再一起走，挺好用。

面试要答得明白：为什么要同步？——因为有共享数据会乱。怎么同步？——互斥锁、RLock、Semaphore、Condition、Barrier 这些都能用，还得顺便提一下 GIL 的影响，别让面试官以为你光背 API。要是再补充点“死锁怎么避免”，那基本上就能把这个问题拿下了。

行了行了，我口干舌燥了，去倒杯水先。你们要不要我下次再写一个“多进程跟多线程在 Python 里各自适合的场景”？

以上就是“Python多线程共同操作同一个数据互斥锁同步？”的详细内容，想要了解更多Python教程欢迎持续关注编程学习网。