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：

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。