Python 线程池并发问题 全局变量操作导致数据混乱

获取数据想要用一个全局的DataFrame将方法返回的多个DataFrame进行拼接，使用线程池多线程操作全局变量导致数据混乱，每次运行出来的数据量都不一样。多个线程同时修改一个变量，导致数据混乱。

第一次运行：5765条数据

第二次运行：5122条数据

第三次运行：5128条数据

解决方法：

在程序中自己手动加同步锁Lock。用Lock.acquire()锁住要访问的资源，等访问资源后，用Lock.release()释放资源，确保每次只有一个线程访问该资源。

 注意：不需要整个方法上锁，只需要在会造成数据出错的地方上锁，比如修改全局变量时。

datas = pd.DataFrame()
lock = threading.Lock()   # Lock同步锁


def get_datas(province):
    global datas    # 全局变量
    df = get_data(province)

    lock.acquire()  # 锁住资源
    try:  # 只需要锁住修改全局变量的部分
        datas = pd.concat([df, datas], ignore_index=True)
    finally:
        lock.release()  # 释放资源

比较普通方式和使用多线程+锁后的运行时间，明显使用多线程+锁后的程序运行快了许多。