Python多线程通信：互斥锁与队列机制详解

晚来风

发布时间：2026-10-12| 4人浏览过

原创

本文深入解析Python threading模块中的线程通信机制。通过互斥锁（Lock）解决多线程共享全局变量时的数据竞争问题，对比两种加锁实现方式。同时介绍Queue队列的基本操作及task_done与join的配合使用，并结合协程（yield）与线程的区别，详细演示生产者/消费者模式的代码实现与执行逻辑。

1. 线程通信

1.1 互斥锁

在多线程环境下，所有变量对所有线程都是可见且共享的。因此，线程间共享数据最大的风险在于多个线程同时修改同一个变量，导致数据混乱。为了解决这一问题，我们需要引入互斥锁来保护数据的一致性。

1.2 线程间全局变量的共享

注意：

由于线程属于同一个进程，它们共享相同的内存区域，因此全局变量在多个线程间是公共的。

# -*- coding: utf-8 -*-
import threading
a = 1
def func():
    global  a
    a = 2
t = threading.Thread(target=func)
t.start()
t.join()
print(a)

1.3 共享内存间存在竞争问题

首先来看一个不使用多线程的正常例子：

# -*- coding: utf-8 -*-
x = 0
n =1000000
def a(n):
    global x
    for i in range(n):
        x += 1

def b(n):
    global x
    for i in range(n):
        x -= 1

a(n)
b(n)
print(x)

输出结果如预期所示，毫无疑问是0！

# -*- coding: utf-8 -*-
from threading import Thread

x = 0
n =1000000
def a(n):
    global x
    for i in range(n):
        x += 1

def b(n):
    global x
    for i in range(n):
        x -= 1

if __name__ == '__main__':
    a = Thread(target=a,args = (n,))
    b = Thread(target=b,args = (n,))
    a.start()
    b.start()
    # 一定要加阻塞，原因大家可以自己结合第一篇讲的自己好好想想哦~
    a.join()
    b.join()
    print(x)

提示：

如果1000000次循环未能体现效果，可以尝试在数字后增加更多的0以加大运算量。

你会发现这个结果千奇百怪！！！

1.4 使用锁来控制共享资源的访问

下面引入互斥锁

在多线程中 , 所有变量对于所有线程都是共享的 ,因此 ,线程之间共享数据最大的危险在于多个线程同时修改一个变量 , 那就乱套了 , 所以我们需要互斥锁 , 来锁住数据。
只要我们操作全局变量的时候，就在操作之前加锁，在操作完之后解锁，就解决了这个资源竞争的问题！！！

第一种实现：

# -*- coding: utf-8 -*-
from threading import Thread, Lock

a = 0
n = 100000   # 指定加减次数
# 线程锁
lock = Lock()
def incr(n):
    global  a
    # 对全局变量a做n次加1
    for i in range(n):
        lock.acquire()
        a += 1
        lock.release()
def decr(n):
    global a
    # 对全局变量a做n次减一
    for i in range(n):
        lock.acquire()
        a -= 1
        lock.release()
t_incr = Thread(target=incr, args=(n, ))
t_decr = Thread(target=decr, args=(n, ))
t_incr.start(); t_decr.start()
t_incr.join();  t_decr.join()
print(a)

第二种实现：

# -*- coding: utf-8 -*-
from threading import Thread, Lock

a = 0
n = 100000   # 指定加减次数
# 线程锁
lock = Lock()

def incr(n):
    global  a
    # 对全局变量a做n次加1
    for i in range(n):
        with lock:
            a += 1
def decr(n):
    global a
    # 对全局变量a做n次减一
    for i in range(n):
        with lock:
            a -= 1

t_incr = Thread(target=incr, args=(n, ))
t_decr = Thread(target=decr, args=(n, ))
t_incr.start(); t_decr.start()
t_incr.join();  t_decr.join()
print(a)

分析此阶段，我们会发现进程和线程的痛点！！！

线程之间如何进行协作？

最典型的例子就是生产者/消费者模式：若干个生产者线程向队列中写入数据，若干个消费者线程从队列中消费数据。（功能！）

1.定义了一个生产者类，一个消费者类。
2.生产者类循环100次，向同步队列当中插入数据。
3.消费者循环监听同步队列，当队列有数据时拉取数据。
4.如果队列满了（达到5个元素），生产者阻塞。
5.如果队列空了，消费者阻塞。

这里就引入了协程！是一种比线程更加轻量级的存在。正如一个进程可以拥有多个线程一样，一个线程也可以拥有多个协程。最重要的是，协程不是被操作系统内核所管理，而完全是由程序所控制（也就是在用户态执行）。这样带来的好处就是性能得到了很大的提升，不会像线程切换那样消耗资源。

代码走起来（依旧是生产者/消费者模式的例子！）:

def consumer():
    while True:
        # consumer协程等待接收数据
        number = yield
        print('开始消费', number)

consumer_result = consumer()
# 让初始化状态的consumer协程先执行起来，在yield处停止
next(consumer_result)

for num in range(100):
    print('开始生产', num)
    # 发送数据给consumer协程
    consumer_result.send(num)

代码中创建了一个叫做consumer_result的协程，并且在主线程中生产数据，协程中消费数据。其中 yield 是python当中的语法。当协程执行到yield关键字时，会暂停在那一行，等到主线程调用send方法发送了数据，协程才会接到数据继续执行。但是，yield让协程暂停，和线程的阻塞是有本质区别的。协程的暂停完全由程序控制，线程的阻塞状态是由操作系统内核来进行切换。

因此，协程的开销远远小于线程的开销!!!

执行结果：

2. 队列的基本概念

一个入口，一个出口；
先入先出（FIFO）。

import queue

队列操作一览:

入队： put(item)
出队： get()
测试空： empty()
测试满： full()
队列长度： qsize()
任务结束： task_done()
等待完成： join()

注意：

get()等待任务完成，如果不加task_done()则不表示任务完成，只要加这句才表明完成。才会结束执行。
join就是阻塞，直到这个任务完成（完成的标准就是每次取出都task_done()了）

简单使用队列的方法：

# -*- coding: utf-8 -*-
import queue

# 创建队列
q = queue.Queue(4)

# 入队
q.put(1)
q.put(2)
q.put(3)
print(q.full())
q.put(4)
print(q.full())

# 出队
print(q.get())
print(q.get())
print(q.empty())
print(q.get())
print(q.get())
print(q.empty())