Python中默认线程安全的数据结构是queue.Queue、queue.LifoQueue和queue.PriorityQueue，它们内置锁机制，适用于生产者-消费者模型；而list、dict、set等内置类型仅单操作在CPython中因GIL“看似”安全，但复合操作及遍历修改均不安全，需手动加锁或使用线程安全替代方案。
Python中线程安全的数据结构主要用于多线程环境下避免竞态条件，确保多个线程同时读写时数据一致性。核心在于：不是所有内置类型都线程安全，需主动选用或加锁保护。
哪些数据结构默认线程安全？
Python的queue.Queue、queue.LifoQueue、queue.PriorityQueue是明确设计为线程安全的，内部已集成锁机制，适合生产者-消费者模型。
- 用
q.put()和q.get()收发任务，无需额外加锁 - 支持阻塞、超时、非阻塞模式（如
q.get_nowait()） - 不推荐直接用列表模拟队列（如
list.append()+list.pop(0)），因操作非原子且无锁
哪些看似安全但实际不安全？
内置类型如list、dict、set的单个操作（如append、pop）在CPython中因GIL可能“看起来”不会崩溃，但复合操作一定不安全。
-
if key not in my_dict: my_dict[key] = value—— 检查与赋值之间可能被其他线程插入相同key -
my_list.append(x); idx = len(my_list)-1—— 长度获取与索引计算间可能被其他线程修改列表 - 多线程遍历+修改同一列表/字典极易引发
RuntimeError: dictionary changed size during iteration
如何让非线程安全结构变安全？
对list、dict等手动加锁是最直接方式，关键是要锁住整个临界区，而非单个操作。
立即学习“Python免费学习笔记（深入）”；
- 使用
threading.Lock()或threading.RLock()（可重入，适合嵌套调用） - 优先用
with lock:确保异常时也能释放锁 - 避免锁粒度过大（如整个函数加锁）影响并发性能；也不宜过小（如只锁
append却不管后续逻辑） - 简单场景可用
collections.defaultdict配合锁简化逻辑，但不能替代同步机制
替代方案：用线程安全的封装或专用库
除标准库外，可考虑更高级抽象：
-
concurrent.futures.ThreadPoolExecutor自带任务队列管理，适合IO密集型批量任务 - 第三方库如
thread-safe（非官方，需谨慎评估）或atomicwrites（侧重文件写入） - 对计数器类需求，优先用
threading.local()做线程局部存储，而非共享变量+锁 - 高并发数值统计可结合
queue.Queue收集结果，主线程统一聚合，减少锁竞争
