python线程同步主要用lock和rlock：lock不允许多次加锁，同一线程重复acquire会死锁；rlock支持重入，同一线程可多次acquire/release，适合递归或嵌套场景。
Python线程同步主要靠 Lock（互斥锁）和 RLock（可重入锁）来控制多线程对共享资源的访问。它们都能防止竞态条件，但适用场景不同——关键区别在于“是否允许同一线程多次获取同一把锁”。
Lock：最基础的互斥锁
Lock 是一个简单的二值信号量：只有“已锁定”和“未锁定”两种状态。一旦被某个线程 acquire()，其他线程（包括自己）再调用 acquire() 就会阻塞，直到它被 release()。
- 不支持同一线程重复加锁；第二次 acquire() 会死锁（线程卡住）
- 必须由加锁的线程来释放，且只能 release() 一次（否则报 RuntimeError）
- 适合保护一段简单、不嵌套的临界区
示例：
lock = threading.Lock()
lock.acquire()
lock.acquire() # ❌ 这里会永久阻塞
RLock：支持重入的锁
RLock 全称 Reentrant Lock，允许同一线程多次 acquire()，内部维护计数器和持有者标识。只有当该线程调用同样次数的 release() 后，锁才真正释放，其他线程才能获取。
立即学习“Python免费学习笔记（深入）”；
- 同一线程可多次 acquire()，不会死锁
- release() 必须由同一线程调用，且次数要匹配；少调用会留锁，多调用会报错
- 适合递归调用、函数嵌套等需要多次进入临界区的场景
示例：
rlock = threading.RLock()rlock.acquire()
rlock.acquire() # ✅ 正常通过
rlock.release()
rlock.release() # ✅ 完全释放
怎么选？看使用模式
- 如果只是在单个函数里保护一段数据（比如更新一个全局计数器），用 Lock 更轻量、语义清晰
- 如果涉及递归、封装了加锁逻辑的工具函数、或多个方法都可能操作同一资源（且可能被同一个线程反复调用），选 RLock
- 注意：RLock 比 Lock 开销稍大，不要无脑替换；也不是万能的——它不能解决线程间协作问题（如生产者-消费者），这时需配合 Condition 或 Queue
实用建议
- 优先用 with 语句自动管理锁（避免忘记 release）：
with lock:
# 临界区代码 - 避免锁嵌套过深；尽量减小临界区范围，提升并发性能
- 调试时留意死锁迹象：程序卡住、CPU 占用低、多个线程都在 wait 状态
- 复杂同步逻辑建议用 queue.Queue（线程安全）或 threading.Condition，而非手动拼锁
