Python 进程操作之同步控制--锁

进程同步(multiprocess.Lock)

锁 —— multiprocess.Lock

通过刚刚的学习，我们千方百计实现了程序的异步，让多个任务可以同时在几个进程中并发处理，他们之间的运行没有顺序，一旦开启也不受我们控制。尽管并发编程让我们能更加充分的利用IO资源，但是也给我们带来了新的问题。

当多个进程使用同一份数据资源的时候，就会引发数据安全或顺序混乱问题。

多进程抢占输出资源：

import os import time import random from multiprocessing import Process def work(n):     print('%s: %s is running' %(n,os.getpid()))     time.sleep(random.random())     print('%s:%s is done' %(n,os.getpid())) if __name__ == '__main__':     for i in range(3):         p=Process(target=work,args=(i,))         p.start()

使用锁维护执行秩序：

# 由并发变成了串行,牺牲了运行效率,但避免了竞争 import os import time import random from multiprocessing import Process,Lock def work(lock,n):     lock.acquire()     print('%s: %s is running' % (n, os.getpid()))     time.sleep(random.random())     print('%s: %s is done' % (n, os.getpid()))     lock.release() if __name__ == '__main__':     lock=Lock()     for i in range(3):         p=Process(target=work,args=(lock,i))         p.start()

上面这种情况虽然使用加锁的形式实现了顺序的执行，但是程序又重新变成串行了，这样确实会浪费了时间，却保证了数据的安全。

接下来，我们以模拟抢票为例，来看看数据安全的重要性。

多进程同时抢购余票：

#文件db的内容为：{"count":1} #注意一定要用双引号，不然json无法识别 #并发运行，效率高，但竞争写同一文件，数据写入错乱 from multiprocessing import Process,Lock import time,json,random def search():     dic=json.load(open('db'))     print('3[43m剩余票数%s3[0m' %dic['count']) def get():     dic=json.load(open('db'))     time.sleep(0.1) #模拟读数据的网络延迟     if dic['count'] >0:         dic['count']-=1         time.sleep(0.2) #模拟写数据的网络延迟         json.dump(dic,open('db','w'))         print('3[43m购票成功3[0m') def task():     search()     get() if __name__ == '__main__':     for i in range(100): #模拟并发100个客户端抢票         p=Process(target=task)         p.start()

使用锁来保证数据安全：

#文件db的内容为：{"count":5} #注意一定要用双引号，不然json无法识别 #并发运行，效率高，但竞争写同一文件，数据写入错乱 from multiprocessing import Process,Lock import time,json,random def search():     dic=json.load(open('db'))     print('\033[43m剩余票数%s\033[0m' %dic['count']) def get():     dic=json.load(open('db'))     time.sleep(random.random()) #模拟读数据的网络延迟     if dic['count'] >0:         dic['count']-=1         time.sleep(random.random()) #模拟写数据的网络延迟         json.dump(dic,open('db','w'))         print('\033[32m购票成功\033[0m')     else:         print('\033[31m购票失败\033[0m') def task(lock):     search()     lock.acquire()     get()     lock.release() if __name__ == '__main__':     lock = Lock()     for i in range(100): #模拟并发100个客户端抢票         p=Process(target=task,args=(lock,))         p.start()

#加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，没错，速度是慢了，但牺牲了速度却保证了数据安全。 虽然可以用文件共享数据实现进程间通信，但问题是： 1.效率低（共享数据基于文件，而文件是硬盘上的数据） 2.需要自己加锁处理 #因此我们最好找寻一种解决方案能够兼顾：1、效率高（多个进程共享一块内存的数据）2、帮我们处理好锁问题。这就是mutiprocessing模块为我们提供的基于消息的IPC通信机制：队列和管道。 队列和管道都是将数据存放于内存中 队列又是基于（管道+锁）实现的，可以让我们从复杂的锁问题中解脱出来， 我们应该尽量避免使用共享数据，尽可能使用消息传递和队列，避免处理复杂的同步和锁问题，而且在进程数目增多时，往往可以获得更好的可获展性。

软件开发 人工智能 云计算 机器学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。