Python多线程共享全局变量及竞态问题分析

宋时安

发布时间：2026-10-13| 3人浏览过

原创

本文通过Python代码示例，演示多线程环境下全局变量的共享机制。重点分析当多个线程同时修改同一全局变量时，因缺乏同步机制导致的竞态条件问题，展示结果不确定的现象，并指出线程非安全性对数据完整性的影响。

多线程共享全局变量基础

多线程-共享全局变量


#coding=utf-8
from threading import Thread
import time

g_num = 100

def work1():
 global g_num
 for i in range(3):
  g_num += 1

 print("----in work1, g_num is %d---"%g_num)


def work2():
 global g_num
 print("----in work2, g_num is %d---"%g_num)


print("---线程创建之前g_num is %d---"%g_num)

t1 = Thread(target=work1)
t1.start()

#延时一会，保证t1线程中的事情做完
time.sleep(1)

t2 = Thread(target=work2)
t2.start()

执行如下：

[root@server01 many_task]# python test5.py ---线程创建之前g_num is 100--- ----in work1, g_num is 103--- ----in work2, g_num is 103--- [root@server01 many_task]#

从上述两个线程的执行结果可以看出，线程t1将全局变量g_num累加至103，而线程t2在打印时读取到的g_num值同样为103。这表明在多线程环境中，g_num作为全局变量是被所有线程共享访问的。

列表作为参数传递至线程

列表当做实参传递到线程中


#coding=utf-8
from threading import Thread
import time

def work1(nums):
 nums.append(44)
 print("----in work1---",nums)

def work2(nums):
 #延时一会，保证t1线程中的事情做完
 time.sleep(1)
 print("----in work2---",nums)

g_nums = [11,22,33]

t1 = Thread(target=work1, args=(g_nums,))
t1.start()

t2 = Thread(target=work2, args=(g_nums,))
t2.start()

运行如下：

[root@server01 many_task]# python test6.py ('----in work1---', [11, 22, 33, 44]) ('----in work2---', [11, 22, 33, 44])

总结：在一个进程内的所有线程共享全局变量，很方便在多个线程间共享数据缺点就是，线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱（即线程非安全）

多线程共享全局变量的潜在问题

多线程-共享全局变量问题

多线程开发可能遇到的问题

竞态条件导致的数据错误

假设两个线程t1和t2都要对全局变量g_num(默认是0)进行加1运算，t1和t2都各对g_num加10次，g_num的最终的结果应该为20。

但是由于是多线程同时操作，有可能出现下面情况：

在g_num=0时，t1取得g_num=0。此时系统把t1调度为”sleeping”状态，把t2转换为”running”状态，t2也获得g_num=0 然后t2对得到的值进行加1并赋给g_num，使得g_num=1 然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给g_num。这样导致虽然t1和t2都对g_num加1，但结果仍然是g_num=1

小数据量下的测试验证

编写代码测试如下：


[root@server01 many_task]# vim test4.py 

#coding=utf-8
import threading
from time import sleep,ctime

# 初始化g_num
g_num = 0

def add_func1(num):
 global g_num
 for i in range(num):
  g_num += 1
  print("add_func1，第%d次，g_num等于%d" % (i,g_num))
  #sleep(0.5)

def add_func2(num):
 global g_num
 for i in range(num):
  g_num += 1
  print("add_func2，第%d次，g_num等于%d" % (i,g_num))
  #sleep(0.5)

def main():
 # 执行线程
 t1 = threading.Thread(target=add_func1,args=(100,))
 t2 = threading.Thread(target=add_func2,args=(100,))

 t1.start()
 t2.start()

 # 判断当线程存在，则等待1秒
 while len(threading.enumerate()) > 1:
  sleep(1)

 print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

if __name__ == '__main__':
 main()

执行如下：

add_func2，第96次，g_num等于197 add_func2，第97次，g_num等于198 add_func2，第98次，g_num等于199 add_func2，第99次，g_num等于200 2个线程对同一个全局变量操作之后的最终结果是:200 [root@server01 many_task]#

两个线程虽然执行很快，但是g_num恰好就是100+100=200的结果，是正确的。不过，这个数量少，可能看不出问题来。

大数据量下的竞态现象

测试示例2


[root@server01 many_task]# vim test7.py 

def work1(num):
 global g_num
 for i in range(num):
  g_num += 1
 print("----in work1, g_num is %d---"%g_num)


def work2(num):
 global g_num
 for i in range(num):
  g_num += 1
 print("----in work2, g_num is %d---"%g_num)


print("---线程创建之前g_num is %d---"%g_num)

t1 = threading.Thread(target=work1, args=(10000000,))
t1.start()

t2 = threading.Thread(target=work2, args=(10000000,))
t2.start()

while len(threading.enumerate()) != 1:
 time.sleep(1)

print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

运行如下：

[root@server01 many_task]# python test7.py ---线程创建之前g_num is 0--- ----in work1, g_num is 11977799--- ----in work2, g_num is 19108796--- 2个线程对同一个全局变量操作之后的最终结果是:19108796 [root@server01 many_task]#

正确的结果应该是：20000000