Python并发死锁是多线程中因锁顺序不一致导致的运行时阻塞状态，典型场景为线程A（lock_a→lock_b）与线程B（lock_b→lock_a）互相等待；解决需统一锁获取顺序、用超时acquire、避免锁内调用外部函数，定位可借助Ctrl+\打印堆栈或py-spy工具。
Python并发死锁不是语法错误，而是一种运行时资源争抢导致的程序“卡住”状态。它通常发生在多线程环境下，多个线程互相持有对方需要的锁，又等待对方释放，结果谁也不让步——整个相关线程组就僵在那儿了。
死锁典型场景：嵌套锁顺序不一致
最常见原因是多个线程以不同顺序获取同一组锁。比如线程A先锁lock_a再锁lock_b，而线程B反着来：先lock_b再lock_a。一旦A拿到lock_a、B拿到lock_b，两者都会阻塞在第二个acquire()上，形成死锁。
解决方法很简单但关键：
- 统一所有线程中对多个锁的获取顺序（例如始终按变量名字母序：
lock_a→lock_b） - 避免在已持有一个锁时再去申请另一个锁；如必须，改用带超时的
acquire(timeout=2)，失败后主动释放已有锁并重试 - 用
threading.RLock替代普通Lock仅适用于同一线程重复进入场景，不能解决跨线程死锁
如何快速定位死锁？看线程堆栈
程序疑似卡住时，别急着重启。用Ctrl+\（Linux/macOS）或Ctrl+Break（Windows）向Python进程发送中断信号，会打印当前所有线程的调用栈。重点关注处于acquire、wait、join等阻塞状态的线程，比对它们正在等待和已持有的锁对象ID（如<_thread.lock object at>）。
立即学习“Python免费学习笔记（深入）”；
小技巧：
- 启动时加
-X dev参数可启用更详细的线程诊断信息 - 用
threading.enumerate()+thread.ident手动记录各线程状态，配合日志打点 - 第三方库
py-spy可无侵入式抓取实时线程快照：py-spy record -p-o profile.svg
避免死锁的设计习惯
防御优于排查。日常写并发代码时养成几个习惯，能大幅降低死锁概率：
- 尽量减少锁粒度：只锁真正共享且需互斥访问的数据段，而非整个函数或大段逻辑
- 避免锁内调用外部函数——尤其那些可能也用锁的库函数（如某些数据库驱动、日志模块）
- 使用
contextlib.closing或with语句确保锁必然释放，杜绝因异常跳过release() - 考虑用
queue.Queue替代手动加锁通信；它内部已做线程安全处理，天然规避多数锁管理问题
协程（asyncio）里也会死锁吗？
纯asyncio协程本身不涉及操作系统线程锁，所以不会出现传统意义的“多线程死锁”。但如果你在await中混用阻塞IO或同步锁（比如threading.Lock.acquire()），就可能让事件循环卡住，表现类似死锁。
正确做法是：
- 同步锁不要在协程中直接
acquire()，改用asyncio.Lock - 阻塞调用（如requests.get）务必用
loop.run_in_executor()扔进线程池 - 检查是否有
await某个永远不完成的Future，或两个Task互相await对方——这属于逻辑死锁，需靠代码审查发现
死锁不复杂但容易忽略，关键是理解锁的生命周期和线程协作关系。多观察、少假设，用工具代替猜测，大部分问题都能在开发阶段拦住。
