10. 进程锁

如果多个进程同时操作共享数据，可能会导致数据不一致的问题。为了解决这个问题，可以使用进程锁（Lock）来保证同一时间只有一个进程可以访问共享数据。

进程锁示例

下面是一个典型的多进程并发操作文件导致数据不一致的例子：

import time
import multiprocessing


def task():
    # 假设文件中保存的内容就是一个值: 10
    with open("f1.txt", mode="r", encoding="utf-8") as f:
        current_num = int(f.read())

    print("排队抢票了")
    time.sleep(1)

    current_num -= 1
    with open("f1.txt", mode="w", encoding="utf-8") as f:
        f.write(str(current_num))


if __name__ == "__main__":
    for i in range(20):
        p = multiprocessing.Process(target=task)
        p.start()

在这个例子中，20 个进程同时读取文件、修改数据并写回。由于没有加锁，多个进程可能同时读到相同的值，导致最终结果不符合预期。

很显然，多进程在操作时就会出现问题，此时就需要锁来介入

使用进程锁解决问题

通过使用 multiprocessing.RLock() 进程锁，可以确保同一时间只有一个进程能够访问共享资源：

import time
import multiprocessing


def task(lock):
    print("开始")
    lock.acquire()
    # 假设文件中保存的内容就是一个值: 10
    with open("f1.txt", mode="r", encoding="utf-8") as f:
        current_num = int(f.read())

    print("排队抢票了")
    time.sleep(0.5)
    current_num -= 1

    with open("f1.txt", mode="w", encoding="utf-8") as f:
        f.write(str(current_num))

    lock.release()


if __name__ == "__main__":
    multiprocessing.set_start_method("spawn")

    lock = multiprocessing.RLock()  # 进程锁

    for i in range(10):
        p = multiprocessing.Process(target=task, args=(lock,))
        p.start()

    # spawn模式，需要延迟处理。
    time.sleep(7)

在这个改进的版本中：

• 创建了一个进程锁 lock = multiprocessing.RLock()
• 在访问共享资源前调用 lock.acquire() 获取锁
• 访问完成后调用 lock.release() 释放锁
• 将锁对象作为参数传递给子进程

这样就能保证同一时间只有一个进程能够读写文件，避免了数据不一致的问题。