必须加锁，否则并发写入同一文件会导致数据错乱、覆盖或丢失；线程用threading.Lock保护write/flush，进程用multiprocessing.Lock或fcntl.flock，优先采用分文件、队列或安全日志库等无锁方案。
Python中并发写入同一文件时，必须加锁，否则极易导致数据错乱、覆盖或丢失。核心原则是：多个线程/进程不能同时调用 write() 或修改文件指针位置。
线程场景：用 threading.Lock 保护文件操作
同一进程内多线程写文件，共享文件对象（如 open() 返回的句柄），需用 threading.Lock 确保每次只有一个线程执行写入和刷新动作。
- 打开文件建议在锁外完成（避免阻塞其他线程），但所有
.write()、.flush()必须包裹在with lock:块中 - 不要复用未加锁的
print(..., file=f)或f.writelines()—— 它们不是原子操作 - 示例关键片段：
lock = threading.Lock()<br>with open("log.txt", "a") as f:<br> with lock:<br> f.write(f"[{time.time()}] msg\n")<br> f.flush()
多进程场景：用 multiprocessing.Lock 或文件级锁（如 fcntl）
不同进程拥有各自文件描述符，threading.Lock 无效。推荐两种方式：
-
简单日志类场景：改用
multiprocessing.Manager().Lock()或multiprocessing.Lock()（注意它可跨进程共享） -
精确控制文件偏移或避免竞态：用
fcntl.flock()（Linux/macOS）或msvcrt.locking()（Windows）对文件本身加锁，确保写入前独占文件 - 注意：直接用
"a"模式追加看似安全，但write()+flush()组合仍可能因缓冲/调度出现交错，不能替代显式锁
更健壮的替代方案：避免直接并发写同一文件
锁只是兜底手段，设计上应优先降低冲突概率：
立即学习“Python免费学习笔记（深入）”；
- 每个线程/进程写独立文件（如
log_worker_001.txt），后续合并 —— 无锁、易调试 - 使用队列（
queue.Queue或multiprocessing.Queue）集中写入：仅一个消费者线程/进程负责落盘 - 选用支持并发写的安全库，如
concurrent-log-handler（自动处理轮转与锁）或数据库代替纯文件
常见误区提醒
以下做法看似省事，实际不可靠：
- 只锁
write()却不锁seek()或truncate()—— 文件指针操作同样需要同步 - 用
time.sleep()“错开”写入时间 —— 无法保证竞态不发生，且降低性能 - 认为
"a"模式自动线程安全 —— 它仅保证 OS 层追加原子性，Python 层的编码、换行、缓冲仍可能被打断 - 在 with open() 外创建锁，但未确保所有写路径都经过该锁 —— 漏掉任一写入口就会出问题
