Python程序中的进程操作-进程同步(multiprocess.Lock) - 好文

目录

* 一、多进程抢占输出资源 <https://www.cnblogs.com/nickchen121/p/11130253.html#一多进程抢占输出资源>
* 二、使用锁维护执行顺序 <https://www.cnblogs.com/nickchen121/p/11130253.html#二使用锁维护执行顺序>
* 三、多进程同时抢购余票 <https://www.cnblogs.com/nickchen121/p/11130253.html#三多进程同时抢购余票>
* 四、使用锁来保证数据安全
<https://www.cnblogs.com/nickchen121/p/11130253.html#四使用锁来保证数据安全>

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。

一、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()
二、使用锁维护执行顺序
# 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。

三、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('剩余票数%s' %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('购票成功') 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()
四、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('剩余票数%s' %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('购票成功') else: print('购票失败') 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：

* 效率低（共享数据基于文件，而文件是硬盘上的数据）
* 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：

* 效率高（多个进程共享一块内存的数据）
* 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。

热门工具换一换