Python多线程任务调度需结合Lock与Queue：Lock保护共享资源避免竞态，Queue实现线程安全的任务分发；二者协同确保并发稳而准。
Python多线程中，任务调度不是简单地开几个Thread就完事——关键在控制并发节奏、避免资源争抢、保证任务有序执行。核心靠两样：锁（threading.Lock）管“谁来改”，队列（queue.Queue）管“谁来干”。二者配合，才能让多线程真正稳而准。
多个线程同时读写同一变量（比如计数器、缓存字典、文件句柄），不加锁极易出错——看似+1的操作实际分“读-改-写”三步，中间可能被其他线程插队，导致结果丢失。
正确做法是：把临界区（即访问共享资源的代码段）用lock.acquire()和lock.release()包住；更推荐用with lock:自动管理，不怕忘记释放。
queue.Queue天生线程安全，内部已用锁保护，适合做生产者-消费者模型：主线程或生产者线程往队列塞任务，工作线程从队列取任务执行。它比手动维护列表+Lock更简洁、更可靠。
常用模式是启动固定数量的工作线程，持续调用q.get()阻塞等待任务，处理完调用q.task_done()；主程序用q.join()等待所有任务完成。
maxsize可限制队列长度，防止内存爆掉（比如上传任务积压时主动限流）q.put_nowait()或q.get_nowait()做非阻塞尝试，配合try/except queue.Full或queue.Empty处理瞬时无任务情况(func, args, kwargs)或自定义任务类），别直接塞大
数据或打开的文件句柄基础队列是FIFO，但真实调度常需更智能策略。Python标准库提供queue.PriorityQueue（按数字优先级排序）和queue.LifoQueue（栈式），满足多数场景。
若需延迟执行（如5秒后发邮件）或周期执行（每30秒查一次状态），Queue本身不支持，需结合threading.Timer或外部调度器（如APScheduler）；但注意：Timer回调仍在新线程中运行，涉及共享资源仍要加锁。
PriorityQueue里存元组(priority_num, task_data)，数字越小优先级越高；注意priority相同时，task_data必须可比较，否则报错假设要并发抓100个网页，统计成功/失败数，并保存HTML到本地——共享的统计字典和文件写入需锁保护，URL列表用队列分发：
import threading import queue import requestsurl_queue = queue.Queue() stats = {"success": 0, "fail": 0} stats_lock = threading.Lock()
def worker(): while True: try: url = url_queue.get(timeout=1) resp = requests.get(url, timeout=5) with stats_lock: if resp.status_code == 200: stats["success"] += 1 else: stats["fail"] += 1
保存文件等操作……
except queue.Empty: break except Exception as e: with stats_lock: stats["fail"] += 1 finally: url_queue.task_done()启动5个工人线程
for _ in range(5): t = threading.Thread(target=worker) t.start()
塞入100个URL
for i in range(100): url_queue.put(f"https://www./link/e82a88d937e60267fd2c866b01131ada % 3}")
url_queue.join() # 等待全部完成 print(stats)
这个结构清晰分离了任务分发、并发执行、状态同步三部分，扩展性强，也便于加日志、监控或熔断逻辑。