Python并发控制案例实操？

wen python案例 2026-06-07 20:42:31 1

Python并发控制案例实操：从多线程到协程的完整指南

目录导读

为什么需要并发控制？
并发控制的三大核心工具
多线程与锁的实战
协程与异步的进阶
问答精选（高流量SEO必读）
总结与最佳实践

为什么需要并发控制？

在Python开发中,并发程序能大幅提升I/O密集型任务的效率，但如果不加控制，就会引发“数据竞争”或“资源死锁”，多个线程同时修改共享变量，可能导致最终结果错误，可以说，没有控制的并发，比单线程更危险。

为什么搜索引擎喜欢这类文章？
因为用户经常搜索“Python并发安全”“GIL冲突解决”“asyncio实战”等关键词，本文精选真实场景案例，结合经验总结，能显著提升停留时间与点击率。

并发控制的三大核心工具

工具	适用场景	控制方式
threading.Lock	多线程共享变量	互斥锁
asyncio.Semaphore	异步协程限流	信号量
multiprocessing.Queue	多进程通信	队列同步

核心原则：避免多线程直接操作同一对象，改用“加锁”或“队列传递”。

多线程与锁的实战

场景：一个抢票系统，多个线程同时减少库存。

错误写法：

import threading
tickets = 1000
def buy():
    global tickets
    if tickets > 0:
        tickets -= 1  # 没有锁保护，可能超卖
        print(f'售出1张，剩余{tickets}')

正确写法（加锁）：

lock = threading.Lock()
def buy_safe():
    global tickets
    with lock:  # 自动获取与释放锁
        if tickets > 0:
            tickets -= 1
            print(f'售出1张，剩余{tickets}')

常见问题问答：

Q：再多的锁，会不会影响性能？
A：会，但锁的粒度越小影响越小，例如只锁“修改库存”那1行，而不锁整段逻辑。

Q：GIL（全局解释器锁）已经让多线程无法并行，还需要锁吗？
A：非常需要，GIL只保证单个字节码指令的原子性，但tickets -= 1是三条指令（读取、计算、赋值），中途可能切换线程，造成脏读。

协程与异步的进阶

场景：并发请求100个网页面，但不想同时开100个线程（太耗资源），用协程控制并发数。

基础版本（速度慢）：

import asyncio
async def fetch():
    await asyncio.sleep(1)  # 模拟网络请求
    return 'ok'
async def main():
    tasks = [fetch() for _ in range(100)]
    await asyncio.gather(*tasks)  # 瞬间启动100个并发

升级版（信号量控制并发数）：

sem = asyncio.Semaphore(10)  # 最多10个同时运行
async def fetch_with_limit():
    async with sem:
        await asyncio.sleep(1)
        return 'ok'
async def main():
    tasks = [fetch_with_limit() for _ in range(100)]
    await asyncio.gather(*tasks)

常见问题问答：

Q：为什么不用threading限流？
A：threading适合CPU密集但GIL限制效果差；协程适合I/O密集，且一台机器轻松支撑数千个协程。

Q：信号量和锁的区别？
A：锁是“同一时间只允许1个”，信号量是“允许最多n个”，信号量本质是实现“资源池”控制。