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 timeq = 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")
.put(f"任务-{i}")
