必须引入并发控制，用锁确保任意时刻最多一个执行单元操作文件段：线程用threading.Lock（需共享），进程用multiprocessing.Lock或fcntl.flock/msvcrt.locking；按需细粒度加锁，配合with确保异常安全。
Python中对同一文件进行多线程或多进程读写时，必须引入并发控制，否则极易出现数据错乱、覆盖或丢失。核心思路是：**用锁确保任意时刻最多只有一个执行单元在操作目标文件段**。
线程内文件操作：用threading.Lock
适用于多线程场景（如Flask/FastAPI中多个请求同时写日志）。Lock对象需在所有线程间共享，不能每个线程新建一个。
- 定义全局锁或通过类属性/模块变量统一管理
- 写入前调用lock.acquire()，写完立即lock.release()；推荐用with lock:自动释放
- 注意：Lock不跨进程，子进程无法继承父进程的锁状态
多进程文件访问：用multiprocessing.Lock 或 文件级锁
fork或spawn方式启动的进程彼此独立，threading.Lock无效。推荐两种方式：
- multiprocessing.Lock：适合进程间协调，但只保证“加锁代码块”互斥，不直接锁定文件内容
- fcntl.flock（Linux/macOS）或 msvcrt.locking（Windows）：真正对文件描述符加锁，可防止其他进程同时写同一文件
- 示例：打开文件后先fcntl.flock(fd, fcntl.LOCK_EX)，操作完再LOCK_UN
避免锁粒度不当：按需锁定，而非锁整个文件
粗粒度锁（如整个文件加锁）会严重降低并发性能。更合理的方式包括：
立即学习“Python免费学习笔记（深入）”；
- 按业务逻辑拆分文件：如按日期生成日志文件，各进程写不同文件，天然无冲突
- 写入固定偏移位置时，可用file.seek()定位后小范围写，配合flock锁定对应区域（需自行管理区间）
- 高频写场景优先考虑队列中转：多线程/进程把数据发给单个写线程，由它串行落盘
注意异常安全：锁必须被释放
如果写文件过程中抛出异常，未释放锁会导致死锁或后续操作永久阻塞。
- 务必使用with lock:语法，即使发生异常也会自动释放
- 若手动acquire，须在try/finally中确保release被执行
- flock也需配对调用，建议封装成上下文管理器
