【Python】各类锁（Lock）详解与比较

在 Python 中，锁（Lock） 是 threading 和 multiprocessing 模块提供的同步机制，用于防止多个线程或进程同时访问共享资源，从而避免数据竞争和不一致问题。

1. `threading.Lock()`（线程锁）

用于在多线程环境下防止多个线程同时访问共享资源。

示例：多个线程访问共享变量

import threading
import time

counter = 0  # 共享变量
lock = threading.Lock()  # 创建锁

def worker(n):
    global counter
    with lock:  # 获取锁
        local_counter = counter
        time.sleep(0.1)  # 模拟某些计算
        counter = local_counter + n
        print(f"Thread {threading.current_thread().name} updated counter to {counter}")

# 创建多个线程
threads = [threading.Thread(target=worker, args=(1,)) for _ in range(5)]

# 启动线程
for t in threads:
    t.start()

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

print("Final counter value:", counter)

`threading.Lock()` 工作机制

lock.acquire(): 获取锁（如果锁已被占用，则阻塞）

lock.release(): 释放锁（让其他线程可以获取）

with lock:: 推荐的用法，with 语句确保锁在退出代码块时自动释放，即使发生异常。

2. `multiprocessing.Lock()`（进程锁）

用于多进程环境，防止多个进程同时访问共享资源。

示例：多个进程访问共享资源

import multiprocessing
import time

counter = multiprocessing.Value('i', 0)  # 共享变量
lock = multiprocessing.Lock()  # 进程锁

def worker(n):
    with lock:  # 获取锁
        local_counter = counter.value
        time.sleep(0.1)  # 模拟某些计算
        counter.value = local_counter + n
        print(f"Process {multiprocessing.current_process().name} updated counter to {counter.value}")

# 创建多个进程
processes = [multiprocessing.Process(target=worker, args=(1,)) for _ in range(5)]

# 启动进程
for p in processes:
    p.start()

# 等待所有进程完成
for p in processes:
    p.join()

print("Final counter value:", counter.value)

`multiprocessing.Lock()` 工作机制

multiprocessing.Lock() 和 threading.Lock() 接口相同，但作用于进程间。

with lock: 确保进程互斥访问共享资源，防止数据不一致问题。

3. `RLock()`（可重入锁）

适用于递归调用或同一线程多次获取锁

import threading

lock = threading.RLock()

def recursive_function(n):
    if n <= 0:
        return
    with lock:  # 允许同一线程多次获取锁
        print(f"Acquired lock in recursion level {n}")
        recursive_function(n - 1)

recursive_function(3)

普通 Lock 不能被同一线程多次 acquire()，但 RLock() 可以！

4. `Semaphore()`（信号量）

用于限制并发访问的线程/进程数量（例如：数据库连接池）。

import threading
import time

semaphore = threading.Semaphore(3)  # 最多允许 3 个线程同时运行

def worker(n):
    with semaphore:
        print(f"Thread {n} is running")
        time.sleep(2)
        print(f"Thread {n} finished")

threads = [threading.Thread(target=worker, args=(i,)) for i in range(6)]

for t in threads:
    t.start()

for t in threads:
    t.join()

设定 Semaphore(3)，最多 3 个线程能同时进入。

常用于连接池、资源管理、并发限制等场景。

5. `Condition()`（条件变量）

用于线程间协调，例如一个线程需要等另一个线程完成某个操作后才能继续。

import threading

condition = threading.Condition()
shared_data = None

def consumer():
    global shared_data
    with condition:
        print("Consumer waiting...")
        condition.wait()  # 等待生产者通知
        print(f"Consumer received: {shared_data}")

def producer():
    global shared_data
    with condition:
        shared_data = "Data ready!"
        print("Producer produced data, notifying consumer...")
        condition.notify()  # 通知消费者

t1 = threading.Thread(target=consumer)
t2 = threading.Thread(target=producer)

t1.start()
t2.start()

t1.join()
t2.join()

使用 Condition() 解决“生产者-消费者”问题。

6. `Event()`（事件）

线程间的简单信号通知机制（相当于全局 flag）

import threading
import time

event = threading.Event()

def worker():
    print("Worker waiting for event...")
    event.wait()  # 等待事件被 set
    print("Worker received event signal!")

def set_event():
    time.sleep(3)
    event.set()  # 触发事件

threading.Thread(target=worker).start()
threading.Thread(target=set_event).start()

适用于：

线程间同步

控制多个线程的启动时机

总结

锁类型	适用范围	主要作用
`threading.Lock()`	线程间同步	互斥访问共享资源
`multiprocessing.Lock()`	进程间同步	互斥访问进程共享资源
`threading.RLock()`	递归调用	允许同一线程多次获取锁
`threading.Semaphore(n)`	线程池/连接池	限制并发线程数
`threading.Condition()`	线程间通信	等待/通知机制（生产者-消费者）
`threading.Event()`	线程间信号	事件触发机制