Python中多线程编程：创建100个实例并各自启动线程，如何确保线程安全？

Python3 小白问题求解。。这个想法对否？ Class 下面有一些成员变量，和一些函数，以及一些函数下的局部变量。

htzhanglong 1楼

关键在于单个实例中的多个线程是否共享了内存（数据），和你创建的实例的个数没啥关系

sinazl 2楼

核心就是加锁。在Python里，用 threading.Lock() 创建一个锁对象，所有线程在访问共享资源前必须先获取这个锁。

下面是一个例子，创建100个线程，每个线程安全地递增一个共享计数器：

import threading

class SharedCounter:
    def __init__(self):
        self.value = 0
        self.lock = threading.Lock()  # 创建锁

    def increment(self):
        with self.lock:  # 使用with语句自动获取和释放锁
            self.value += 1
            print(f"线程 {threading.current_thread().name} 增加计数到: {self.value}")

def worker(counter):
    counter.increment()

if __name__ == "__main__":
    counter = SharedCounter()
    threads = []

    # 创建并启动100个线程
    for i in range(100):
        t = threading.Thread(target=worker, args=(counter,), name=f"Thread-{i}")
        threads.append(t)
        t.start()

    # 等待所有线程完成
    for t in threads:
        t.join()

    print(f"\n最终计数器的值是: {counter.value}")

代码解释：

SharedCounter 类封装了共享的 value 和一把锁 lock。
increment 方法使用 with self.lock: 上下文管理器。这确保了同一时间只有一个线程能执行 self.value += 1 这行代码，避免了竞争条件。
主程序创建了一个 SharedCounter 实例和100个线程，每个线程都调用 increment 方法。
最终输出会是100，证明所有增加操作都安全完成了。

关键点：

锁（Lock）：是确保线程安全最基本和常用的工具。with 语句能帮你自动处理锁的获取和释放，即使代码发生异常也能正确释放锁，这是最佳实践。
共享状态：识别出哪些数据（比如例子里的 counter.value）是被多个线程共享的，然后只在这些关键区域加锁。
GIL（全局解释器锁）：在Python中，GIL确保同一时刻只有一个线程执行Python字节码。但这不意味着你可以忽略线程安全！对于像 += 这样的操作，它包含“读取-修改-写入”多个步骤，如果没有锁，多个线程交叉执行这些步骤仍然会导致数据错误。GIL保护的是解释器内部状态，而不是你的业务逻辑。

一句话总结：用 threading.Lock 保护所有对共享变量的修改。