线程锁机制的基本作用
在多线程编程中，多个线程可能同时访问同一块数据。比如一个电商系统里，两个用户同时抢购最后一件商品，如果不加控制，可能导致库存被错误地减两次，结果变成负数。这时候就需要线程锁机制来确保同一时间只有一个线程能操作这个关键数据。
锁的本质是给一段代码或资源“上锁”，只有拿到锁的线程才能执行，其他线程得排队等着。
常见的锁类型和使用方式
以 Python 为例，最常用的锁是 threading 模块中的 Lock。它的用法很简单：先创建一个锁对象，然后在需要保护的代码前加锁，执行完后释放锁。
import threading
import time
lock = threading.Lock()
counter = 0
def worker():
global counter
for _ in range(100000):
lock.acquire() # 获取锁
try:
temp = counter
temp += 1
time.sleep(0.00001) # 模拟处理延迟
counter = temp
finally:
lock.release() # 无论如何都要释放锁
threads = []
for i in range(5):
t = threading.Thread(target=worker)
threads.append(t)
t.start()
for t in threads:
t.join()
print(counter) # 正确输出 500000上面这段代码中，如果没有 lock，最终的 counter 值很可能远小于预期，因为多个线程同时读写导致覆盖。加上锁之后，每次只有一个线程能修改 counter，保证了数据一致性。
使用上下文管理简化锁操作
直接调用 acquire 和 release 容易忘记释放，尤其是在有异常的情况下。Python 支持用 with 语句自动管理锁，更安全也更简洁。
def worker_v2():
global counter
for _ in range(100000):
with lock: # 自动获取和释放锁
temp = counter
temp += 1
time.sleep(0.00001)
counter = temp这种写法不仅代码更干净，还能避免因异常导致锁一直不释放的问题。
实际开发中的注意事项
锁不是万能的，滥用反而会带来性能问题。比如把整个函数都包在锁里，虽然安全了，但所有线程都得排队，失去了并发的意义。应该只锁住真正需要保护的那一小段逻辑，也就是“临界区”。
另外，不同语言提供的锁机制略有差异。Java 中常用 synchronized 关键字或 ReentrantLock，Go 里则用 sync.Mutex。核心思想是一样的：保护共享资源，防止竞态条件。
还有一种情况是嵌套加锁，同一个线程重复申请同一个锁，可能会造成死锁。这时候可以使用可重入锁（如 RLock），允许同一线程多次获取锁，只要释放次数匹配就行。