threading.Event、Lock、Queue 分别解决什么问题？

# 多线程协调三件套：
# Lock — 防踩踏
# Event — 等信号
# Queue — 传数据

这三者解决的并发问题截然不同，但在脑里分清楚之后，写多线程就不会乱塞锁。

---

🔐 Lock：解决“此时此地只能我一个人”

典型场景：抢票、计数器、写日志文件。

import threading

lock = threading.Lock()
seats = 10

def buy(n):
    global seats
    with lock:                 # 拿到钥匙才能往下走
        if seats >= n:
            seats -= n
            print(f"出票{n}张，剩余{seats}")

• 📛 不加锁：线程A、B同时看到剩余10张，都认为自己能买，结果超卖。

• ✅ 加了锁：把“查余量→减库存”变成原子块，同一时刻只有一个线程在执行。

🧠 记法：Lock 是互斥，保护的是一块代码不被同时进入，核心是 acquire/release。

---

🚩 Event：解决“我好了，你们可以动了”

典型场景：服务就绪通知、主线程等所有子线程初始化完毕、定时器唤醒。

ready = threading.Event()

def worker():
    print("worker 正在加载模型...")
    time.sleep(3)
    ready.set()         # 🟢 举旗：我准备好了

def boss():
    print("boss 等工人就绪...")
    ready.wait()        # 🔴 死等，直到旗子举起
    print("开始干活！")

• event.wait() 阻塞当前线程，直到另一线程调用 event.set()。

• event.clear() 可以把旗子降下来，用于循环事件。

• 与 Lock 的本质区别：Event 是跨线程的布尔信号，不保护任何共享对象，只管“行不行”的状态传递。

🚦 记法：Event 像红绿灯，红灯（未set）就停，绿灯（set）就走。

---

📮 Queue：解决“我生产，你消费，别直接握手”

典型场景：爬虫（一个线程抓链接，多个线程解析）、AI Agent 里消息队列、流水线。

from queue import Queue
import threading

q = Queue(maxsize=10)

def producer():
    for i in range(20):
        q.put(i)          # 队列满则自动阻塞等待
        print(f"生产 {i}")

def consumer():
    while True:
        item = q.get()    # 队列空则自动阻塞等待
        print(f"消费 {item}")
        q.task_done()

• 自带内部锁，天然线程安全。

• 自带背压控制：满了 put 阻塞，空了 get 阻塞，不用额外写 wait/notify。

• 可以设置超时，可以用 join 等待所有任务完成。

📮 记法：Queue 就是线程间的管道，生产和消费完全解耦，谁也不用知道对方的存在。

---

🧩 一图对比

工具	核心问题	机制	常见坑
🔐 Lock	数据竞争	互斥锁，同一时刻一个线程	死锁、忘记释放
🚩 Event	状态同步	布尔信号，跨线程通知	忘记 set 导致永久等待
📮 Queue	数据传递	线程安全队列，阻塞式存取	无限 put 撑爆内存（设maxsize）

---

🧠 选型直觉

• 变量被多个线程同时修改 → 上 Lock

• 一个线程要等另一个线程完成某件事 → 上 Event

• 多个线程要交换数据、流水线处理 → 上 Queue

线程协作出bug时，我一般先问自己：“是在抢资源，在等信号，还是在传东西？” 答案一出，工具也就跟着出来了。

---