Python 多核CPU并行计算（二） Lock加锁

• 多个进程对同一个共享内存的数据只进行访问是安全的。然而如果要对数据进行处理就说不准了。多个进程有可能存在竞争，从而造成数据计算错误。
• 解决方案是对核心的操作进行加锁，保证一个进程在处理数据的时候，该数据不会被其他进程所修改。

Demo code

# Lock  在共享内存中应用

import multiprocessing as mp


# 是应用pool方法 进行数据并行测试，这里不加锁看看效果

# 解释一下数据并行：同样的函数，对不同数据进行操作
# 对应的是任务并行：同样的数据或者不同的数据，要不同的函数进行处理。

def job_no_lock(a, num):
    for i in range(10):
        a.value += num  # a是共享内存的变量
        print(a.value)
    # return a


# 加锁
def job_with_lock(l, a, num):
    l.acquire()

    for i in range(10):
        a.value += num  # a是共享内存的变量
        print(a.value)

    l.release()
    # return a


# 多进程
if __name__ == '__main__':

    v = mp.Value('i', 0)  # 共享内存变量 num = 0
    L = mp.Lock()

	# 不加锁的进程
    p1 = mp.Process(target=job_no_lock, args=(v, 1))  # l, a  +1
    p2 = mp.Process(target=job_no_lock, args=(v, 3))  # l, a  +3
	
	# 加锁的进程
    p3 = mp.Process(target=job_with_lock, args=(L, v, 2))  # +2
    p4 = mp.Process(target=job_with_lock, args=(L, v, 4))  # +4

    p1.start()
    p1.join()

    p2.start()
    p2.join()

    #
    p3.start()
    p3.join()

    p4.start()
    p4.join()

* 这里还有一个问题，我在Pycharm里面运行的时候，发现两个进程并没有同时执行 有待解决

• 注意，加锁的情况下，程序有时会等效成串行执行！