Python多实例共享可变类属性读写更新时是否需要加锁？

核心结论 #

要不要加锁完全由运行场景决定：

• 单线程环境下执行所有任务，不需要加锁，不存在竞争问题。
• 多线程并发调用不同实例的do_task方法时，必须加锁，否则会出现统计数据错误。
• 多进程场景下不仅要加进程锁，还要替换类属性为进程间共享的数据结构，普通类属性在多进程下是各进程独立持有副本，根本无法实现全局聚合。

代码中两类操作的线程安全差异 #

你写的两个更新操作，本身的原子性是有区别的：

• self.of_type_list.append(self.name)：这是C层面实现的列表原子操作，在CPython的GIL（全局解释器锁）保护下，单步执行不会被线程切换打断，单独执行这行不会出现数据丢失。
• self.of_type_int += 1：这不是原子操作，实际执行分为三个步骤：读取当前类属性的整数值、值加1、把新值回写到类属性。多线程并发时，两个线程可能读到同一个旧值，各自加1后回写，最终统计值会比实际调用次数小，出现计数不准的问题。

哪怕append是原子操作，如果你需要保证「列表里的元素数量和int计数值永远一致」这个约束，两个操作合起来依然是非原子的，不加锁的话，其他线程可能在append完成、计数还没更新的间隙读到不一致的数据。

多线程场景的加锁实现 #

因为类属性是所有实例共享的，锁也需要定义为类级别的共享锁，所有实例抢同一把锁即可：

import threading

class ClassAttrExample:
    of_type_list = []
    of_type_int = 0
    _data_lock = threading.Lock()

    def __init__(self, name):
        self.name = name

    def do_task(self):
        # 前置业务逻辑
        with self._data_lock:
            self.of_type_list.append(self.name)
            self.of_type_int += 1

额外注意 #

如果其他逻辑需要读取这两个聚合统计值，读取时也要持有同一把锁，避免读到更新中间态的脏数据。

内容的提问来源于stack exchange，提问作者Conner M.