Python 多執行緒同步機制詳解：從原子操作到 Lock、RLock、Semaphore、Event、Condition

為什麼需要同步？

多執行緒同時存取共享資源（如計數器 counter += 1）時，單一運算實際分三步：讀取、計算、寫回。若執行緒在讀取後被切換，另一執行緒也讀到舊值，最終導致寫回值錯誤，這就是「臟資料」問題。

同步工具階層

1. 原子操作

CPython 的 GIL 保證單一 bytecode 指令不可中斷。以下操作是執行緒安全的：

• 讀/寫實例屬性、全域變數
• 列表/字典的單一操作（append、pop、clear、索引存取）

注意：「讀取→修改→寫回」的複合操作（如 x = x + 1）不是原子的。

2. Lock（互斥鎖）

import threading
lock = threading.Lock()

lock.acquire()
try:
    # 存取共享資源
finally:
    lock.release()

# Python 2.5+ 建議用 with 區塊
with lock:
    # 存取共享資源

acquire(blocking=False) 可嘗試非阻塞取得鎖。

3. RLock（可重入鎖）

同一執行緒可重複 acquire() 不會自我阻塞，解決「外層已持有鎖，內層函式又要鎖」的巢狀呼叫死結。

rlock = threading.RLock()
def outer():
    with rlock:
        inner()   # 內層也用同一把 rlock，不會卡住
def inner():
    with rlock:
        pass

4. Semaphore（信號量）

內部計數器控制同時存取的執行緒數，適合「資源池」場景（如資料庫連線池、HTTP 連線池）。

# 最多 10 條連線
pool_sema = threading.BoundedSemaphore(10)

with pool_sema:
    # 使用連線
    pass

BoundedSemaphore 會在 release() 次數超過 acquire() 時拋異常，防止邏輯錯誤。

5. Event（事件旗標）

簡單的「等待/通知」機制，一個旗標，多執行緒可 wait() 等待，單一執行緒 set() 喚醒全體。

evt = threading.Event()
# 消費者
evt.wait()          # 阻塞直到 set()
# 生產者
evt.set()           # 喚醒所有等待者
evt.clear()         # 重置旗標

6. Condition（條件變數）

Event 的進階版，綁定一把鎖，支援「等待特定條件」並自動釋放/重新取得鎖，經典「生產者-消費者」模式首選。

cond = threading.Condition()

# 生產者
with cond:
    produce_item()
    cond.notify()   # 或 notifyAll()

# 消費者
with cond:
    while not item_available():
        cond.wait() # 釋放鎖並阻塞，被喚醒後重新取得鎖
    consume_item()

wait(timeout) 可設超時避免永久阻塞。

實戰範例：銀行帳戶轉帳

balance = 0
lock = threading.Lock()

def change(n):
    global balance
    with lock:
        balance += n
        balance -= n   # 應回到 0

threads = [threading.Thread(target=change, args=(i,)) for i in (5, 8, 9)]
for t in threads: t.start()
for t in threads: t.join()
print(balance)  # 穩定輸出 0

未加鎖時，高併發下結果會是隨機非零值。

總結選型指南