python中的全局计数器线程安全吗？

import threading
import time


counter = 0

def increase(name):
    global counter
    i = 0
    while i < 30:
        # this for loop is for consuming cpu
        for x in xrange(100000):
            1+1
        counter += 1
        print name + " " + str(counter)
        i += 1


if __name__ == '__main__':
    threads = []
    try:
        for i in xrange(100):
           name = "Thread-" + str(i)
           t = threading.Thread( target=increase, args=(name,) )
           t.start()
           threads.append(t)
    except:
          print "Error: unable to start thread"

    for t in threads:
        t.join()

Python版本是2.7.5。

对于上面的代码，我运行了几次，最终的结果始终是3000。

而这段代码也是这篇博客的例子。http://effbot.org/zone/thread-synchronization.htm http://effbot.org/zone/thread-synchronization.htm

但这篇博客还提到：

一般来说，只有当共享资源由核心数据类型的单个实例（例如字符串变量、数字、列表或字典）组成时，此方法才有效。以下是一些线程安全的操作：

• 读取或替换单个实例属性
• 读取或替换单个全局变量
• 从列表中获取项目
• 就地修改列表（例如使用追加添加项目）
• 从字典中获取项目
• 就地修改字典（例如添加项目或调用clear方法）

这让我很困惑，我们真的需要锁才能通过 python 中的多线程获得正确的结果吗？

Update 1

我的 Linux 发行版是CentOS Linux release 7.2.1511，内核版本是3.10.0-123.el7.x86_64 #1 SMP Mon Jun 30 12:09:22 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux.

我的mac版本是10.11.5（15F34），python版本是2.7.10。

我在 Mac 上运行该程序，结果是预期的，由于使用了非线程安全的全局计数器，计数器不等于预期。

但是当我在 Linux 上运行该程序时，结果始终等于预期值。

counter:3000, expected:3000
counter:3000, expected:3000
counter:3000, expected:3000
counter:3000, expected:3000
counter:3000, expected:3000

我在这里错过了一些可能导致差异的东西吗？

Update 2

另一种观察是我上面使用的 Linux 盒子只有一个核心。当我切换到另一个有 4 核的 Linux 机器时，结果是预期的。

根据我对Python GIL的理解，它保证程序始终在单核上运行，无论平台有多少个核。但是GIL不会保证不同线程之间的安全吧？

如果这个成立，为什么单核机器会给出这样的结果？

Thanks.

即使在 CPython 中，它也不安全。尽管 GIL 保护单个操作码执行，但+=实际上扩展为几条指令：

Python 2.7.6 (default, Jun 22 2015, 17:58:13) 
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import dis
>>> counter = 0
>>> def inc():
...     global counter
...     counter += 1
... 
>>> dis.dis(inc)
  3           0 LOAD_GLOBAL              0 (counter)
              3 LOAD_CONST               1 (1)
              6 INPLACE_ADD         
              7 STORE_GLOBAL             0 (counter)
             10 LOAD_CONST               0 (None)
             13 RETURN_VALUE        

这里的代码加载counter在堆栈上，递增它并将其存储回来；因此，LOAD_GLOBAL 和 STORE_GLOBAL 之间存在竞争条件。假设有两个线程正在运行inc被抢占如下：

Thread 1                Thread 2
LOAD_GLOBAL 0
LOAD_CONST 1
INPLACE_ADD
                        LOAD_GLOBAL 0
                        LOAD_CONST 1
                        INPLACE_ADD
                        STORE_GLOBAL 0
STORE_GLOBAL 0
LOAD_CONST 0
RETURN_VALUE
                        LOAD_CONST 0
                        RETURN_VALUE

这里线程 2 完成的增量完全丢失，因为线程 1 覆盖了counter随着他不断增加的陈旧价值。

您可以轻松地自己验证这一点，消除代码中的大部分时间浪费，并使它们“奋力竞赛”：

import threading
import time

counter = 0
loops_per_increment = 10000

def increment(name):
    global counter
    i = 0
    while i < loops_per_increment:
        counter += 1
        i += 1


if __name__ == '__main__':
    expected = 0
    threads = []
    try:
        for i in xrange(100):
           name = "Thread-" + str(i)
           t = threading.Thread( target=increment, args=(name,) )
           expected += loops_per_increment
           t.start()
           threads.append(t)
    except:
          print "Error: unable to start thread"

    for t in threads:
        t.join()
    print counter, "- expected:", expected

以下是我在 8 核机器上得到的一些数字：

[mitalia@mitalia ~/scratch]$ for i in (seq 10)
                                 python inc.py 
                             end
47012 - expected: 1000000
65696 - expected: 1000000
51456 - expected: 1000000
44628 - expected: 1000000
52087 - expected: 1000000
50812 - expected: 1000000
53277 - expected: 1000000
49652 - expected: 1000000
73703 - expected: 1000000
53902 - expected: 1000000