Python Lock锁详解（小白也能看懂的多线程同步指南）

为什么需要Lock锁？——一个简单例子

假设我们有两个线程，它们都要对同一个全局变量进行加1操作。如果没有使用锁，可能会出现如下情况：

import threadingimport timecounter = 0def increment():    global counter    for _ in range(100000):        counter += 1# 创建两个线程t1 = threading.Thread(target=increment)t2 = threading.Thread(target=increment)t1.start()t2.start()t1.join()t2.join()print(f"最终结果: {counter}")  # 期望是200000，但实际可能小于该值

运行上面的代码，你会发现输出结果通常小于200000。这是因为counter += 1并不是原子操作，它实际上包含读取、加1、写回三个步骤。当两个线程几乎同时执行这些步骤时，就会发生覆盖，导致结果错误。

如何使用threading.Lock？

使用threading.Lock非常简单。你只需要在访问共享资源前获取锁，在操作完成后释放锁即可。以下是修正后的代码：

import threadingimport timecounter = 0lock = threading.Lock()  # 创建一个Lock对象def increment():    global counter    for _ in range(100000):        lock.acquire()      # 获取锁        try:            counter += 1        finally:            lock.release()  # 释放锁# 创建两个线程t1 = threading.Thread(target=increment)t2 = threading.Thread(target=increment)t1.start()t2.start()t1.join()t2.join()print(f"最终结果: {counter}")  # 现在总是200000

不过，手动调用acquire()和release()容易忘记释放锁，特别是在异常处理中。更推荐使用with语句，它会自动管理锁的获取和释放：

def increment():    global counter    for _ in range(100000):        with lock:  # 自动获取和释放锁            counter += 1

Lock锁的重要特性

• 互斥性：同一时间只能有一个线程持有锁。
• 可重入性：threading.Lock是不可重入的。如果一个线程已经持有锁，再次尝试获取会导致死锁。如需可重入锁，请使用threading.RLock。
• 阻塞性：默认情况下，acquire()是阻塞的，即如果锁已被其他线程持有，当前线程会一直等待直到锁被释放。

常见陷阱与最佳实践

1. 避免死锁：确保锁的获取和释放顺序一致，不要在持有锁的情况下调用可能再次获取同一锁的函数。

2. 尽量缩小临界区：只在真正需要保护的代码段使用锁，减少锁的持有时间，提高并发性能。

3. 优先使用with语句：这能确保即使发生异常，锁也会被正确释放。

总结

通过本文的学习，你应该已经掌握了Python Lock锁的基本用法和重要概念。记住，线程安全是多线程编程的核心挑战之一，而threading.Lock是解决这一问题的基础工具。在实际开发中，合理使用锁可以有效避免竞态条件，确保程序的正确性和稳定性。

希望这篇教程能帮助你理解多线程同步的关键技术。如果你有任何疑问或想深入了解其他同步机制（如RLock、Condition、Semaphore等），欢迎继续探索Python官方文档！