python内置set不是线程安全的，多线程读写会引发崩溃或数据损坏；即使仅读操作（如len、in）在其他线程修改时也可能异常；应使用threading.lock保护或改用queue.queue等线程安全结构。
多线程中直接读写 set 会导致崩溃或数据损坏
Python 的内置 set 不是线程安全的。多个线程同时调用 add()、remove()、discard() 或 pop()，极大概率触发 RuntimeError: Set changed size during iteration 或静默丢失元素。这是因为 set 内部的哈希表扩容、重哈希等操作不是原子的，且没有内置锁保护。
即使只做“读”操作（如 len(s)、x in s），在其他线程正修改该 set 时，也可能因内部结构不一致而抛出异常——尤其在 CPython 中，in 操作虽常快，但并非完全免于竞态。
set 中哪些操作「看似安全」实则危险
以下操作常被误认为线程安全，实际都不可靠：
-
s.copy()：浅拷贝本身不是原子操作，若拷贝中途set被修改，结果可能不一致或崩溃 -
list(s)或tuple(s)：迭代过程暴露完整竞态窗口 -
s & other_set（交集）：底层仍需遍历，无锁保护 -
len(s)：CPython 中虽通常快，但长度字段未加内存屏障，极端情况下可能读到中间态值（如扩容中）
真正安全的替代方案
不要自己“小心使用”，直接换用明确设计为线程安全的结构：
BJXShop网上购物系统是一个高效、稳定、安全的电子商店销售平台，经过近三年市场的考验，在中国网购系统中属领先水平；完善的订单管理、销售统计系统；网站模版可DIY、亦可导入导出；会员、商品种类和价格均实现无限等级；管理员权限可细分；整合了多种在线支付接口；强有力搜索引擎支持... 程序更新：此版本是伴江行官方商业版程序，已经终止销售，现于免费给大家使用。比其以前的免费版功能增加了：1，整合了论坛
- 用
threading.Lock包裹所有对同一set的访问：
lock = threading.Lock() with lock: my_set.add(x) if y in my_set: my_set.remove(y) - 改用
queue.Queue实现线程安全的集合语义（适合生产者-消费者场景） - 考虑
concurrent.futures.ThreadPoolExecutor配合局部set，避免共享——多数情况下比加锁更简单可靠
注意：collections.deque 的 append() 和 popleft() 是原子的，但 deque 不是集合；若只需去重，可配合 dict.fromkeys() 构建临时 set，但依然不能替代共享 set 的并发访问。
为什么 Python 不让 set 线程安全？
CPython 的 GIL（全局解释器锁）仅保证单个字节码指令的原子性，而 set.add() 这类操作对应多个字节码（查哈希、插槽、扩容判断等）。GIL 不等于线程安全——它只防止多线程同时执行 Python 字节码导致解释器崩溃，不保护用户数据结构的一致性。
加锁会拖慢单线程性能，所以标准库选择“不默认加锁”，把责任交给使用者。这也是为什么你看到 queue.Queue 明确声明线程安全，而 set、dict、list 全都不承诺。
最容易被忽略的是：即使你只读不写，只要别的线程在写，就不是安全的。别信“我只读，应该没问题”这种直觉。
