Flask 多线程环境下全局变量冲突导致数据错乱，是因为多个线程共享同一进程内存空间，同时读写同一变量会引发竞态条件。推荐将请求级数据改为使用 flask.g 对象，跨请求共享数据需使用数据库或缓存中间件。

快速处理思路

如果不方便立即重构代码，可以先将开发服务器设置为单线程模式临时止血，但生产环境必须修正代码逻辑。

1. 检查启动命令，确认是否包含多线程参数。

2. 搜索代码中直接在函数外定义并被视图函数修改的变量。

3. 评估该变量是“请求内共享”还是“全局共享”，前者用 g，后者用 Redis 或加锁。

为什么会这样

根本原因是 Python 线程共享内存机制与 Flask 请求上下文隔离机制的混用错误。

Flask 基于 Werkzeug 构建，使用 LocalStack 和 LocalProxy 技术实现请求上下文（如 request、g）的线程隔离。普通 Python 全局变量存储在模块级别，同一进程内的所有线程都能直接访问和修改。当多个请求同时到达，线程 A 修改了全局变量，线程 B 可能读到被 A 修改后的脏数据，导致数据错乱。

分步处理

步骤 1：排查全局变量使用情况

在代码库中搜索模块级变量定义，重点关注在视图函数中被赋值的变量。

# 错误示例
counter = 0

@app.route('/incr')
def incr():
    global counter
    counter += 1  # 多线程下不安全

步骤 2：替换为请求上下文对象

如果变量仅在当前请求内有效，使用 flask.g 替代。

from flask import g

@app.route('/user')
def user():
    g.user_info = get_current_user()  # 线程安全，仅当前请求可见

步骤 3：处理真正的共享状态

如果确实需要跨请求共享数据（如计数器），必须使用线程锁或外部存储。

import threading
lock = threading.Lock()

with lock:
    # 临界区操作
    pass

怎么验证是否生效

1. 在视图函数中打印当前线程 ID 和变量值。

import threading
print(f"Thread: {threading.current_thread().name}, Value: {some_var}")

2. 使用压力测试工具并发请求该接口，观察日志中不同线程是否读取到预期外的数据。

3. 检查错误日志，确认没有因为竞态条件导致的异常报错。

常见坑

1. 混淆进程与线程：Gunicorn 多 Worker 模式下，不同进程间的全局变量本身就不共享，但同一 Worker 内的多线程会共享。

2. 单例对象状态：类实例化的单例对象如果在内部维护状态，同样面临线程安全问题。

3. 调试模式误导：Flask 自带开发服务器默认多线程，但重加载机制可能掩盖部分问题，生产环境 WSGI 配置更复杂。

常见问题

Flask 默认支持多线程吗？

Flask 内置开发服务器支持多线程，但生产环境通常依赖 WSGI 服务器（如 Gunicorn）配置线程数。

如何在 Flask 中安全地共享数据？

请求内共享用 flask.g，跨请求共享建议使用 Redis 或数据库，避免使用内存全局变量。

使用 threading.Lock 会影响性能吗？

加锁会导致并发度下降，锁竞争激烈时可能成为瓶颈，优先推荐使用外部存储服务替代内存锁。

参考来源

• Flask Official Documentation, "Context Locals", https://flask.palletsprojects.com/en/latest/quickstart/#context-locals
• Flask Official Documentation, "Deployment Options", https://flask.palletsprojects.com/en/latest/deploying/