真正安全共享数据的方式是锁（Lock）和队列（queue.Queue）；锁用于保护临界区防止竞态条件，队列则提供线程安全的消息传递机制，适用于生产者-消费者模型。
Python多线程中，真正安全共享数据的方式不是靠“自觉”，而是靠机制——锁（Lock）和队列（queue.Queue）是最常用、最可靠的两种同步工具。它们解决的核心问题是：多个线程同时读写同一资源时，避免竞态条件（race condition）导致的数据错乱。
当多个线程同时对一个全局变量做“读取→计算→写入”这类非原子操作时，结果可能意外丢失。比如两个线程都读到 count = 5，各自加1后都写回6，最终结果还是6，而不是预期的7。
使用 threading.Lock 可以把临界区（即访问共享资源的代码段）变成互斥执行：
lock.acquire() 尝试获取锁；若已被占用，线程会阻塞等待lock.release() 释放锁（推荐用 with lock: 自动管理）R Lock
queue.Queue 是线程安全的，内部已集成锁机制，无需手动加锁。它天然适合生产者-消费者模型：
q.put(item) 和 q.get() 都是原子操作，可安全用于多线程q.join() 配合 q.task_done() 实现任务完成等待q.get(timeout=2) 避免无限等待Queue（FIFO）、LifoQueue（栈）、PriorityQueue（优先级）锁适用于保护小段关键代码或简单状态（如计数器、标志位）；队列适用于传递数据、解耦线程角色、控制执行节奏。
Lock 更轻量Queue 更清晰、更健壮queue.Queue 转为消息驱动启动3个消费者线程，从队列持续取任务；主线程作为生产者放入10个任务，并等待全部完成：
import threading import queue import timeq = queue.Queue() def worker(): while True: try: task = q.get(timeout=1) print(f"处理: {task}") time.sleep(0.5) q.task_done() except queue.Empty: break
for _ in range(3): t = threading.Thread(target=worker) t.start()
for i in range(10): q
.put(f"任务-{i}")
q.join() # 等待所有任务被 task_done() print("全部完成")
.put(f"任务-{i}")