理论介绍

在Python中，多线程同时修改一个数时，确实需要考虑线程安全的问题。由于Python的全局解释器锁（GIL），CPU密集型任务在多线程下可能并不会得到性能提升，但对于I/O密集型任务或者某些计算可以并行化的情况，多线程仍然是有用的。

对于共享资源的访问，特别是在多线程环境中，你需要使用某种形式的锁来确保同一时间只有一个线程可以修改该资源。在Python中，你可以使用threading模块提供的锁来实现这一点。

代码实战

以下是一个简单的例子，演示了如何在多线程环境中使用锁来安全地修改一个数：

import threading

# 初始化锁
lock = threading.Lock()

# 共享的资源
shared_number = 0

def increment_number(n):
    global shared_number
    for _ in range(n):
        # 获取锁
        lock.acquire()
        try:
            # 修改共享资源
            shared_number += 1
            print(f"Thread {threading.current_thread().name} incremented the number to {shared_number}")
        finally:
            # 释放锁
            lock.release()

# 创建多个线程，每个线程尝试增加共享数字
threads = []
for i in range(5):
    t = threading.Thread(target=increment_number, args=(1000,))
    threads.append(t)
    t.start()

# 等待所有线程完成
for t in threads:
    t.join()

print(f"Final number: {shared_number}")

在这个例子中，我们创建了一个全局的锁对象lock和一个全局的共享数字shared_number。然后，我们定义了一个函数increment_number，该函数在每次增加shared_number之前都会获取锁，并在完成后释放锁。这样，我们就可以确保在任何时候只有一个线程在修改shared_number。

注意

使用锁时要特别小心死锁的情况。死锁是当两个或更多的线程无限期地等待一个资源（如锁）时发生的，因为每个线程都在等待其他线程释放该资源。为了避免死锁，你应该始终确保在获取锁后能够释放它，即使发生了异常。在上面的例子中，我们使用了一个try/finally块来确保即使在increment_number函数中发生了异常，锁也会被释放。