很多时候，我们需要在多个进程中同时写一个文件，如果不加锁机制，就会导致写文件错乱
这个时候，我们可以使用multiprocessing.Lock()
我一开始是这样使用的：
import multiprocessing
lock = multiprocessing.Lock()
class MatchProcess(multiprocessing.Process):
def __init__(self, threadId, mfile, lock):
multiprocessing.Process.__init__(self)
self.threadId = threadId
self.mfile = mfile
self.lock = lock
def run(self):
while True:
self.lock.acquire()
try:
self.mfile.write('111111111111111111' + '
')
finally:
self.lock.release()
if __name__ == '__main__':
mf = open('test.lst', 'w')
for i in range(15):
p = MatchProcess(i, mf, lock)
p.start()
发现这种方式，锁并没有起作用, 文件内容依然出现了错乱(注意，我这里写的1111是示例，我的代码实际写的其他内容)
所以这种方式，虽然lock通过参数传到了每个进程中，但是我们知道进程之间是不共享内存的，所以我理解应该是每个进程获得的锁其实是不同的， 所以无法对写文件起到加锁的效果
进程池是否可行呢，于是做了如下尝试
def run(line):
lock.acquire()
try:
mfile.write('111111111111111111' + '
')
finally:
lock.release()
sf = open('test.lst', 'r')
data_lst = list()
for line in sf:
line = line.strip()
data_lst.append(line)
pool = Pool(15)
pool.map_async(run, data_lst) #map_async方法会将data_lst这个可迭代的对象里面的每个元素依次传入run方法来执行
pool.close()
pool.join()
print 'over'
但是注意：
pool.close()
pool.join()
这两行代码必不可少，否则，主进程执行完毕后会退出，导致整个进程结束
所以在整个进程全部执行完毕后，才会打印出over
但是这种方式，发现，锁仍然不起作用
最后采用了如下方式：
def run(line):
mfile = open('test2.lst', 'a')
lock.acquire()
try:
mfile.write('111111111111111111' + '
')
finally:
lock.release()
sf = open('test.lst', 'r')
data_lst = list()
for line in sf:
line = line.strip()
data_lst.append(line)
pList = []
for line in line_lst:
p = multiprocessing.Process(target=run, args=(line, lock))
p.start()
pList.append(p)
for p in pList:
p.join()
是亲测发现，这种方式，锁的确起作用了，在每次写入数据量很大的情况下，速度很慢
但是一个比较恶心的问题是，我一开始试图将文件打开后通过Process对象的args参数传入到run方法中，但是发现数据无法写入到文件中，见鬼，这个问题我还没搞明白
无耐，只能采取上面的笨方法，在每次写入的时候打开然后写入，这肯定不是明智的做法，如果有更好的办法，请留言我
也就是说，文件打开后传入，是无效的，那么可以将文件名传入，然后在run方法中每次写的时候先打开，写入后关闭应该也是可行的。
但是为什么我文章采用的第一种方式，也是文件打开后传入，却是可行的
---------------------
作者：田野上的希望
来源：CSDN
原文：https://blog.csdn.net/u011734144/article/details/78743240
版权声明：本文为博主原创文章，转载请附上博文链接！