【Python】并发编程（一）

目录

进程、线程、协程的区别

同步和异步介绍

线程Thread

线程的创建方式

线程的创建方式(方法包装)

线程的创建方式(类包装)

守护线程

全局锁GIL问题

Python线程同步和互斥锁

什么是线程同步？

什么是互斥锁？

信号量（Semaphore）

Python线程同步机制对比表格

死锁问题和解决方案

死锁产生的四个必要条件

常见的死锁场景：

嵌套锁死锁

递归函数死锁

死锁解决方案

方案1：使用RLock避免递归死锁

方案2：统一锁获取顺序

方案3：使用超时机制

方案4：使用上下文管理器管理多个锁

死锁检测和预防策略

调试死锁的工具和方法

1. 使用threading模块的内置功能

2. 使用第三方工具

---

串行(serial)：一个CPU上，按顺序完成多个任务

并行(parallelism)：指的是任务数小于等于cpu核数，即任务真的是一起执行的

并发(concurrency)：一个CPU采用时间片管理方式，交替的处理多个任务。一般是是任务数多余cpu核数，通过操作系统的各种任务调度算法，实现用多个任务“一起”执行（实际上总有一些任务不在执行，因为切换任务的速度相当快，看上去一起执行而已）

进程、线程、协程的区别

乔布斯想开工厂生产手机，费劲力气，制作一条生产线，这个生产线上有很多的器件以及材料。一条生产线就是一个进程。

只有生产线是不够的，所以找五个工人来进行生产，这个工人能够利用这些材料最终一步步的将手机做出来，这五个工人就是五个线程。

为了提高生产率，想到3种办法：

1. 一条生产线上多招些工人，一起来做手机，这样效率是成倍増长，即单进程多线程方式
2. 多条生产线，每个生产线上多个工人，即多进程多线程
3. 乔布斯深入一线发现工人不是那么忙，有很多等待时间。于是规定：如果某个员工在等待生产线某个零件生产时 ，不要闲着，干点其他工作。也就是说：如果一个线程等待某些条件，可以充分利用这个时间去做其它事情，这就是：协程方式。

1. 线程是程序执行的最小单位，而进程是操作系统分配资源的最小单位；
2. 一个进程由一个或多个线程组成，线程是一个进程中代码的不同执行路线；
3. 进程之间相互独立，但同一进程下的各个线程之间共享程序的内存空间(包括代码段、数据集、堆等)及一些进程级的资源(如打开文件和信号)，某进程内的线程在其它进程不可见；
4. 调度和切换：线程上下文切换比进程上下文切换要快得多。

• 进程(Process)：拥有自己独立的堆和栈，既不共享堆，也不共享栈，进程由操作系统调度；进程切换需要的资源很最大，效率低
• 线程(Thread)：拥有自己独立的栈和共享的堆，共享堆，不共享栈，标准线程由操作系统调度；线程切换需要的资源一般，效率一般（当然了在不考虑GIL的情况下）
• 协程(coroutine)：拥有自己独立的栈和共享的堆，共享堆，不共享栈，协程由程序员在协程的代码里显示调度；协程切换任务资源很小，效率高

进程是什么？

进程（Process）是一个具有一定独立功能的程序关于某个数据集合的一次运行活动

现代操作系统比如Mac OS X，Linux，Windows等，都是支持“多任务”的操作系统，叫“多任务”呢？简单地说，就是操作系统可以同时运行多个任务。打个比方，你一边在用逛淘宝，一边在听音乐，一边在用微信聊天，这就是多任务，至少同时有3个任务正在运行。还有很多任务悄悄地在后台同时运行着，只是桌面上没有显示而已。

对于操作系统来说，一个任务就是一个进程（Process），比如打开一个浏览器就是启动一个浏览器进程，就启动了一个记事本进程，打开两个记事本就启动了两个记事本进程，打开一个Word就启动了一个Word进程。

线程是什么？

线程（Thread）是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。

有些进程还不止同时干一件事，比如微信，它可以同时进行打字聊天，视频聊天，朋友圈等事情。在一个进程内部，要同时干多件事，就需要同时运行多个“子任务”，我们把进程内的这些“子任务”称为线程（Thread）。

并发编程解决方案：

多任务的实现有3种方式：

1. 多进程模式
2. 多线程模式
3. 多进程+多线程模式

• 启动多个进程，每个进程虽然只有一个线程，但多个进程可以一块执行多个任务
• 启动一个进程，在一个进程内启动多个线程，这样，多个线程也可以一块执行多个任务
• 启动多个进程，每个进程再启动多个线程，这样同时执行的任务就更多了，当然这种模型更复杂，实际很少采用。

协程是什么？

协程，Coroutines，也叫作纤程(Fiber)，是一种在线程中，比线程更加轻量级的存在，由程序员自己写程序来管理。

当出现IO阻塞时，CPU一直等待IO返回，处于空转状态。这时候用协程，可以执行其他任务。当IO返回结果后，再回来处理数据。充分利用了IO等待的时间，提高了效率。

同步和异步介绍

同步和异步强调的是消息通信机制。

同步(synchronous)：A调用B，等待B返回结果后，A继续执行

异步(asynchronous )：A调用B，A继续执行，不等待B返回结果；B有结果了，通知A，A再做处理。

线程Thread

线程(Thread)特点：

1. 线程（Thread）是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位
2. 线程是程序执行的最小单位，而进程是操作系统分配资源的最小单位；
3. 一个进程由一个或多个线程组成，线程是一个进程中代码的不同执行路线；
4. 拥有自己独立的栈和共享的堆，共享堆，不共享栈，标准线程由操作系统调度；
5. 调度和切换：线程上下文切换比进程上下文切换要快得多。

线程的创建方式

Python的标准库提供了两个模块：_thread和threading，_thread是低级模块，threading是高级模块，对_thread进行了封装。绝大多数情况下，我们只需要使用threading这个高级模块。

线程的创建可以通过分为两种方式：

1. 方法包装

2. 类包装

线程的执行统一通过start()方法

线程的创建方式(方法包装)

#encoding=utf-8
#方法方式创建线程
from threading import Thread
from time import sleep
def func1(name):for i in range(3):print(f"thread:{name} :{i}")sleep(1)
​
if __name__ == '__main__':print("主线程，start")#创建线程t1 = Thread(target=func1,args=("t1",))t2 = Thread(target=func1,args=("t2",))#启动线程t1.start()t2.start()print("主线程，end")
​
'''
运行结果可能会出现换行问题，是因为多个线程抢夺控制台输出的IO流。
比如，如下的输出换行就没有按照预想的显示：
​
主线程，start
thread:t1 :0
thread:t2 :0
主线程，end
thread:t2 :1thread:t1 :1
​
thread:t2 :2
thread:t1 :2
'''

线程的创建方式(类包装)

#encoding=utf-8
#类的方式创建线程
from threading import Thread
from time import sleep
​
class MyThread(Thread):def __init__(self,name):Thread.__init__(self)self.name =namedef run(self):for i in range(3):print(f"thread:{self.name} :{i}")sleep(1)
​
if __name__ == '__main__':print("主线程，start")#创建线程(类的方式)t1 = MyThread('t1')t2 = MyThread('t2')#启动线程t1.start()t2.start()print("主线程，end")

以上的代码，主线程不会等待子线程结束。如果想要实现等待子线程结束后，再结束主线程，我们可使用join()方法。

#encoding=utf-8
from threading import Thread
from time import sleep
def func1(name):for i in range(3):print(f"thread:{name} :{i}")sleep(1)
​
if __name__ == '__main__':print("主线程，start")#创建线程t1 = Thread(target=func1,args=("t1",))t2 = Thread(target=func1,args=("t2",))#启动线程t1.start()t2.start()#主线程会等待t1,t2结束后，再往下执行t1.join()t2.join()print("主线程，end")

守护线程

在行为上还有一种叫守护线程，主要的特征是它的生命周期。主线程死亡，它也就随之死亡。在python中，线程通过setDaemon(True|False)来设置是否为守护线程。

守护线程的作用：守护线程作用是为其他线程提供便利服务，守护线程最典型的应用就是 GC (垃圾收集器)。

#encoding=utf-8
from threading import Thread
from time import sleep
​
class MyThread(Thread):def __init__(self,name):Thread.__init__(self)self.name =namedef run(self):for i in range(3):print(f"thread:{self.name} :{i}")sleep(1)
​
if __name__ == '__main__':print("主线程，start")#创建线程(类的方式)t1 = MyThread('t1')#t1设置为守护线程t1.setDaemon(True)#3.10后被废弃，可以直接：t1.daemon=True#启动线程t1.start()print("主线程，end")
​

全局锁GIL问题

在python中，无论你有多少核，在Cpython解释器中永远都是假象。无论你是4核，8核，还是16核.......不好意思，同一时间执行的线程只有一个线程，它就是这个样子的。这个是python的一个开发时候，设计的一个缺陷，所以说python中的线程是“含有水分的线程”。

Python GIL(Global Interpreter Lock)

Python代码的执行由Python 虚拟机(也叫解释器主循环，CPython版本)来控制，Python 在设计之初就考虑到要在解释器的主循环中，同时只有一个线程在执行，即在任意时刻，只有一个线程在解释器中运行。对Python 虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。

⚠️GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念,同样一段代码可以通过CPython，PyPy，Psyco等不同的Python执行环境来执行,就没有GIL的问题。然而因为CPython是大部分环境下默认的Python执行环境。所以在很多人的概念里CPython就是Python，也就想当然的把GIL归结为Python语言的缺陷

Python线程同步和互斥锁

什么是线程同步？

线程同步是指协调多个线程的执行程序，确保他们能够有序，安全地访问共享资源。就像交通信号灯协调车辆通行一样，线程同步机制协调线程对共享数据的访问。在什么情况下，我们需要实现线程同步呢？
        1.当多个线程同时修改同一个数据时，可能导致数据不一样（形成竞争条件）
        2.某些操作需要按照特定顺序执行

为什么需要线程同步？可能会出现竞态条件（Race Condition），导致数据不一致或程序行为异常。例如：

import threadingcounter = 0def increment():global counterfor _ in range(100000):counter += 1threads = []
for _ in range(5):t = threading.Thread(target=increment)threads.append(t)t.start()for t in threads:t.join()print(f"Final counter value: {counter}")  # 可能不是500000

什么是互斥锁？

互斥锁是最基本的同步机制，用于确保同一时间只有一个线程可以访问共享资源。他的工作原理是：一次只允许一个人进入，线程访问共享资源前必须先要获取锁，使用完后释放锁，让其他线程有机会获取。

竞态条件：这是多线程编程中最常见的问题，当多个线程同时访问和修改共享数据时，由于执行顺序的不确定性，导致程序结果不可预测。

​示例情景：​​假设有两个线程同时执行counter += 1：

1. 线程A读取counter值为10
2. 线程B也读取counter值为10
3. 线程A将值加1得到11并写回
4. 线程B也将值加1得到11并写回
   结果应该是12，但因为不同步，最终得到11

Python的threading模块提供了Lock类来实现互斥锁：

import threadingcounter = 0
lock = threading.Lock()def increment():global counterfor _ in range(100000):lock.acquire()  # 获取锁try:counter += 1finally:lock.release()  # 释放锁threads = []
for _ in range(5):t = threading.Thread(target=increment)threads.append(t)t.start()for t in threads:t.join()print(f"Final counter value: {counter}")  # 现在是500000

使用with语句简化

def increment():global counterfor _ in range(100000):with lock:  # 自动获取和释放锁counter += 1

其他同步原语  RLock（可重入锁） 允许同一个线程多次获取锁：

rlock = threading.RLock()def func():with rlock:# 可以再次获取同一个锁with rlock:print("Nested lock")

信号量（Semaphore）

信号量是限制同时访问资源的线程数量。互斥锁使用后，一个资源同时只有一个线程访问。如果某个资源，我们同时想让N个(指定数值)线程访问？这时候，可以使用信号量。

信号量控制同时访问资源的数量。信号量和锁相似，锁同一时间只允许一个对象(进程)通过，信号量同一时间允许多个对象(进程)通过。

应用场景：在读写文件的时候，一般只能只有一个线程在写，而读可以有多个线程同时进行，如果需要限制同时读文件的线程个数，这时候就可以用到信号量了（如果用互斥锁，就是限制同一时刻只能有一个线程读取文件）。或者是在做爬虫抓取数据时。

底层原理信号量底层就是一个内置的计数器。每当资源获取时(调用acquire)计数器-1,资源释放时(调用release)计数器+1。

semaphore = threading.Semaphore(3)  # 最多3个线程同时访问def access_resource():with semaphore:print(f"{threading.current_thread().name} accessing resource")# 模拟资源访问time.sleep(1)

信号量例子：

#coding=utf-8
from threading import Thread, Lock
from time import sleep
from multiprocessing import Semaphore
​
"""
一个房间一次只允许两个人通过
若不使用信号量，会造成所有人都进入这个房子
若只允许一人通过可以用锁-Lock()
"""
def home(name, se):se.acquire() # 拿到一把钥匙print(f'{name}进入了房间')sleep(3)print(f'******************{name}走出来房间')se.release() # 还回一把钥匙
if __name__ == '__main__':se = Semaphore(2)    # 创建信号量的对象，有两把钥匙for i in range(7):p = Thread(target=home, args=(f'tom{i}', se))p.start()
'''
执行结果:
tom0进入了房间
tom1进入了房间
******************tom1走出来房间
tom2进入了房间
******************tom0走出来房间
tom3进入了房间
******************tom2走出来房间******************tom3走出来房间
​
tom4进入了房间
tom5进入了房间
******************tom5走出来房间******************tom4走出来房间
​
tom6进入了房间
******************tom6走出来房间
​
Process finished with exit code 0
​
'''

条件变量（Condition）用于线程间的复杂协调：

condition = threading.Condition()
items = []def producer():for i in range(5):with condition:items.append(i)condition.notify()  # 通知等待的消费者time.sleep(1)def consumer():while True:with condition:while not items:condition.wait()  # 等待生产者通知item = items.pop(0)print(f"Consumed {item}")

事件（Event）简单的线程间通信机制：主要用于唤醒正在阻塞等待状态的线程

原理 Event 对象包含一个可由线程设置的信号标志，它允许线程等待某些事件的发生。在初始情况下，event 对象中的信号标志被设置假。如果有线程等待一个 event 对象，而这个 event 对象的标志为假，那么这个线程将会被一直阻塞直至该标志为真。一个线程如果将一个 event 对象的信号标志设置为真，它将唤醒所有等待个 event 对象的线程。如果一个线程等待一个已经被设置为真的 event 对象，那么它将忽略这个事件，继续执行。

Event()可以创建一个事件管理标志，该标志（event）默认为False，event对象主要有四种方法可以调用：

方法名	说明
event.wait(timeout=None)	调用该方法的线程会被阻塞，如果设置了timeout参数，超时后，线程会停止阻塞继续执行；
event.set()	将event的标志设置为True，调用wait方法的所有线程将被唤醒
event.clear()	将event的标志设置为False，调用wait方法的所有线程将被阻塞
event.is_set()	判断event的标志是否为True

event = threading.Event()def waiter():print("Waiting for event")event.wait()  # 阻塞直到事件被设置print("Event occurred")def setter():time.sleep(2)print("Setting event")event.set()  # 唤醒所有等待的线程

事件（Event）例子：

#coding:utf-8
#小伙伴们，围着吃火锅，当菜上齐了，请客的主人说：开吃！
#于是小伙伴一起动筷子，这种场景如何实现
import threading
import time
​
def chihuoguo(name):#等待事件，进入等待阻塞状态print(f'{name}已经启动')print(f'小伙伴{name}已经进入就餐状态！')time.sleep(1)event.wait()# 收到事件后进入运行状态print(f'{name}收到通知了.' )print(f'小伙伴{name}开始吃咯！')
​
if __name__ == '__main__':event = threading.Event()# 创建新线程thread1 = threading.Thread(target=chihuoguo, args=("tom", ))thread2 = threading.Thread(target=chihuoguo, args=("cherry", ))# 开启线程thread1.start()thread2.start()
​time.sleep(10)# 发送事件通知print('---->>>主线程通知小伙伴开吃咯！')event.set()
​
'''
执行结果：
tom已经启动
小伙伴tom已经进入就餐状态！
cherry已经启动
小伙伴cherry已经进入就餐状态！
---->>>主线程通知小伙伴开吃咯！
tom收到通知了.
小伙伴tom开始吃咯！
cherry收到通知了.
小伙伴cherry开始吃咯！
'''

全局解释器锁（GIL）的影响

Python的GIL确保同一时间只有一个线程执行Python字节码，这意味着：

• I/O密集型任务可以从多线程中受益
• CPU密集型任务可能不会从多线程中获得性能提升（考虑使用多进程）

Python线程同步机制对比表格

同步机制	主要用途	特点	适用场景	示例代码
​Lock（互斥锁）​​	基本的互斥访问	- 一次只允许一个线程访问 - 最简单的同步机制 - 不支持重入	保护简单的共享变量或资源	with lock: counter += 1
​RLock（可重入锁）​​	同一线程多次获取锁	- 允许同一线程多次获取 - 需要相同次数的释放 - 避免自死锁	递归函数或嵌套调用需要同步的场景	with rlock: func()
​Semaphore（信号量）​​	限制并发访问数量	- 控制同时访问的线程数 - 有计数器的锁 - 可用于资源池	连接池、限流、控制最大并发数	with semaphore: access_resource()
​Condition（条件变量）​​	复杂的线程协调	- 等待特定条件成立 - 可以通知特定线程 - 结合锁使用	生产者-消费者模式、复杂的状态等待	condition.wait(), condition.notify()
​Event（事件）​​	简单的线程通信	- 线程间信号传递 - 一次性广播机制 - 简单易用	启动信号、完成通知、简单协调	event.wait(), event.set()
​Barrier（屏障）​​	同步多个线程执行点	- 等待指定数量线程到达 - 所有线程同时继续执行 - 同步执行点	分阶段处理、多线程同时开始任务	barrier.wait()

性能特点对比

机制	开销	灵活性	复杂度	推荐使用场景
Lock	低	低	低	简单的变量保护
RLock	中	中	中	递归或嵌套同步
Semaphore	中	中	中	资源池、限流
Condition	高	高	高	复杂协调逻辑
Event	低	低	低	简单信号通知
Barrier	中	中	中	阶段同步

选择指南

需求	推荐机制	理由
保护共享变量	​Lock​	简单高效，适合基本互斥
递归函数同步	​RLock​	避免同一线程死锁
限制并发数	​Semaphore​	内置计数器，控制访问数量
等待特定条件	​Condition​	支持复杂的等待/通知机制
简单信号通知	​Event​	轻量级，易于使用
同步多个线程	​Barrier​	确保所有线程到达同一点

内存和性能考虑

机制	内存占用	CPU开销	线程阻塞方式
Lock	很低	很低	忙等待或系统阻塞
RLock	低	低	系统阻塞
Semaphore	低	中	系统阻塞
Condition	中	高	系统阻塞
Event	很低	很低	系统阻塞
Barrier	中	中	系统阻塞

【示例】多线程操作同一个对象(未使用线程同步)

#encoding=utf-8
from threading import Thread
from time import sleep
​
class Account:def __init__(self,money,name):self.money = moneyself.name = name
​
​
#模拟提款操作
class Drawing(Thread):def __init__(self,drawingNum,account):Thread.__init__(self)self.drawingNum = drawingNumself.account = accountself.expenseTotal = 0def run(self):if self.account.money-self.drawingNum<0:returnsleep(1) #判断完后阻塞。其他线程开始运行。self.account.money -= self.drawingNum;self.expenseTotal += self.drawingNum;print(f"账户：{self.account.name},余额是：{self.account.money}")print(f"账户：{self.account.name},总共取了：{self.expenseTotal}")
​
if __name__ == '__main__':a1 = Account(100,"gaoqi")draw1 = Drawing(80,a1) #定义取钱线程对象；draw2 = Drawing(80,a1) #定义取钱线程对象；draw1.start()  #你取钱draw2.start()  #你老婆取钱

由于没有线程同步机制，两个线程同时操作同一个账户对象，竟然从只有100元的账户，轻松取出80*2=160元，账户余额竟然成为了-60。这么大的问题，显然银行不会答应的。

接下来我们添加一个互斥锁，对上面的程序使用线程同步：

#encoding=utf-8
from threading import Thread,Lock
from time import sleep
​
class Account:def __init__(self,money,name):self.money = moneyself.name = name
​
​
#模拟提款操作
class Drawing(Thread):def __init__(self,drawingNum,account):Thread.__init__(self)self.drawingNum = drawingNumself.account = accountself.expenseTotal = 0def run(self):lock1.acquire() if self.account.money-self.drawingNum<0:returnsleep(1) #判断完后阻塞。其他线程开始运行。self.account.money -= self.drawingNum;self.expenseTotal += self.drawingNum;lock1.release()print(f"账户：{self.account.name},余额是：{self.account.money}")print(f"账户：{self.account.name},总共取了：{self.expenseTotal}")
​
if __name__ == '__main__':a1 = Account(100,"gaoqi")lock1 = Lock()draw1 = Drawing(80,a1) #定义取钱线程对象；draw2 = Drawing(80,a1) #定义取钱线程对象；draw1.start()  #你取钱draw2.start()  #你老婆取钱

• acquire和release方法之间的代码同一时刻只能有一个线程去操作
• 如果在调用acquire方法的时候 其他线程已经使用了这个互斥锁，那么此时acquire方法会堵塞，直到这个互斥锁释放后才能再次上锁。

死锁问题和解决方案

死锁（Deadlock）是指两个或多个线程彼此等待对方释放资源，导致所有线程都无法继续执行的状态。

死锁产生的四个必要条件

条件	描述	示例
​互斥​	资源一次只能被一个线程使用	锁在同一时间只能被一个线程持有
​占有且等待​	线程持有资源并等待其他资源	线程A持有锁1，同时请求锁2
​不可抢占​	资源只能由持有者主动释放	不能强制从线程中夺取锁
​循环等待​	存在线程-资源的循环等待链	A等B，B等C，C等A

常见的死锁场景：

嵌套锁死锁

import threadinglock1 = threading.Lock()
lock2 = threading.Lock()def thread_a():with lock1:print("Thread A acquired lock1")# 模拟一些工作threading.Event().wait(0.1)with lock2:  # 这里会发生死锁！print("Thread A acquired lock2")def thread_b():with lock2:print("Thread B acquired lock2")# 模拟一些工作threading.Event().wait(0.1)with lock1:  # 这里会发生死锁！print("Thread B acquired lock1")# 运行这两个线程会导致死锁
t1 = threading.Thread(target=thread_a)
t2 = threading.Thread(target=thread_b)
t1.start()
t2.start()

递归函数死锁

import threadinglock = threading.Lock()def recursive_func(n):with lock:if n > 0:print(f"Level {n}")recursive_func(n - 1)  # 这里会发生死锁！# 使用普通Lock会导致死锁
# recursive_func(3)  # 这会死锁！

死锁解决方案

方案1：使用RLock避免递归死锁

import threading# 使用RLock代替Lock
rlock = threading.RLock()def safe_recursive_func(n):with rlock:  # RLock允许同一线程多次获取if n > 0:print(f"Safe level {n}")safe_recursive_func(n - 1)  # 现在安全了safe_recursive_func(3)  # 正常工作

方案2：统一锁获取顺序

def safe_thread_a():# 总是先获取lock1，再获取lock2with lock1:print("Safe Thread A acquired lock1")with lock2:print("Safe Thread A acquired lock2")def safe_thread_b():# 同样先获取lock1，再获取lock2with lock1:print("Safe Thread B acquired lock1")with lock2:print("Safe Thread B acquired lock2")

方案3：使用超时机制

def timeout_solution():# 尝试获取锁，设置超时时间if lock1.acquire(timeout=2):  # 等待最多2秒try:if lock2.acquire(timeout=1):  # 等待最多1秒try:print("成功获取两个锁")finally:lock2.release()finally:lock1.release()else:print("获取锁超时，执行回退操作")

方案4：使用上下文管理器管理多个锁

from contextlib import contextmanager@contextmanager
def acquire_locks(*locks):# 按固定顺序获取所有锁acquired_locks = []try:for lock in sorted(locks, key=id):  # 按对象ID排序确保顺序一致lock.acquire()acquired_locks.append(lock)yieldfinally:# 按相反顺序释放锁for lock in reversed(acquired_locks):lock.release()# 使用示例
def safe_with_locks():with acquire_locks(lock1, lock2):print("安全地获取了多个锁")

死锁检测和预防策略

策略	方法	优点	缺点
​超时机制​	设置锁获取超时时间	简单易实现	可能造成性能开销
​锁顺序​	统一锁的获取顺序	有效预防循环等待	需要严格的编程规范
​锁粒度​	减小锁的持有范围	减少死锁概率	可能增加复杂度
​资源分配​	一次性获取所有所需资源	避免占有且等待	可能降低资源利用率

调试死锁的工具和方法

1. 使用threading模块的内置功能

import threading
import time# 设置线程超时检测
threading.setprofile(lambda *args: None)  # 简单的性能分析# 或者使用信号量超时
def deadlock_detector():time.sleep(5)  # 等待5秒print("可能的死锁检测！检查线程状态")for thread in threading.enumerate():print(f"线程 {thread.name} 状态: {thread.is_alive()}")

2. 使用第三方工具

# 使用py-spy检测死锁
pip install py-spy
py-spy dump --pid <PID># 使用gdb调试Python死锁
gdb -p <PID>

死锁是由于“同步块需要同时持有多个锁造成”的，要解决这个问题，思路很简单，就是：同一个代码块，不要同时持有两个对象锁。