在 Python 中，并没有像 Java 中 `synchronized` 关键字这样的内置同步机制。Python 提供了多种方式来实现线程间的同步，主要通过 `threading` 模块中的锁（Lock）、递归锁（RLock）、条件变量（Condition）等工具来完成。 ### 使用 `threading.Lock` 实现同步 最简单的同步机制是使用 `threading.Lock`，它可以确保同一时刻只有一个线程可以访问共享资源。例如： ```python import threading lock = threading.Lock() shared_resource = 0 def increment(): global shared_resource lock.acquire() try: shared_resource += 1 finally: lock.release() # 创建多个线程并启动 threads = [threading.Thread(target=increment) for _ in range(10)] for t in threads: t.start() for t in threads: t.join() print(f"Final value of shared_resource: {shared_resource}") ``` 在这个例子中，`lock.acquire()` 和 `lock.release()` 之间的代码段被保护起来，以防止多个线程同时修改 `shared_resource` 变量。[^2] ### 使用 `with` 语句简化锁的管理 为了简化锁的获取和释放操作，可以使用 `with` 语句自动管理锁的生命周期： ```python def increment_with_with(): global shared_resource with lock: shared_resource += 1 ``` 这种方式更加简洁，并且能够保证即使在发生异常的情况下也能正确释放锁。 ### 使用 `threading.RLock` 处理嵌套锁定 当需要在一个函数内部多次调用加锁的方法时，可以考虑使用 `threading.RLock`（可重入锁）。它允许同一个线程多次获得同一个锁而不会导致死锁： ```python rlock = threading.RLock() def nested_increment(): global shared_resource with rlock: shared_resource += 1 # 这里再次获取锁是合法的 with rlock: shared_resource += 1 ``` ### 使用 `threading.Condition` 控制更复杂的同步逻辑 对于更为复杂的同步需求，如生产者-消费者模式，可以使用 `threading.Condition` 来协调不同线程之间的行为： ```python condition = threading.Condition() items = [] def producer(): with condition: items.append("item") condition.notify() def consumer(): with condition: while not items: condition.wait() item = items.pop() print(f"Consumed {item}") # 启动生产者和消费者线程 producer_thread = threading.Thread(target=producer) consumer_thread = threading.Thread(target=consumer) producer_thread.start() consumer_thread.start() producer_thread.join() consumer_thread.join() ``` 上述示例展示了如何利用 `Condition` 来通知等待中的线程某个特定条件已经满足，从而继续执行后续操作。[^3] ---