为什么在concurrent.futures线程池中执行的函数无法操作全局变量

在 Python 中，线程是共享进程中的资源的。这也包括全局变量。但是，在并发编程中，多个线程可能会同时访问和修改同一个全局变量。这可能导致数据竞争和不一致的结果。

为了避免这种情况，Python 提供了一个锁机制来确保在任何时候只有一个线程可以访问共享资源。在使用线程池时，由于多个线程可能会同时访问全局变量，因此需要使用锁来保护全局变量。

以下是一个示例代码，演示如何在使用 `concurrent.futures` 线程池时，使用锁保护全局变量：

import concurrent.futures
import threading

# 定义全局变量
global_var = 0

# 定义锁
lock = threading.Lock()

# 定义函数
def func():
    global global_var
    with lock:
        global_var += 1

# 使用线程池执行函数
with concurrent.futures.ThreadPoolExecutor() as executor:
    for i in range(10):
        executor.submit(func)

# 输出结果
print(global_var)

在这个示例代码中，我们定义了一个全局变量 `global_var` 和一个锁 `lock`。在 `func` 函数中，我们使用 `with lock` 语句来获取锁，然后修改全局变量 `global_var` 的值。在主程序中，我们使用线程池执行 `func` 函数 10 次。最终输出的结果应该是 `10`，因为我们使用了锁来保护全局变量，避免了数据竞争。