面试题：Python字典值遍历中的并发处理与数据一致性

Question

在多线程或多进程环境下，有一个共享字典shared_dict，多个线程/进程需要同时遍历字典值并进行累加操作。请设计一个方案保证数据的一致性，写出关键代码逻辑，并阐述你采用的同步机制及原因。

Answer 1

关键代码逻辑（以Python多线程为例，使用threading.Lock）

import threading

shared_dict = {'a': 1, 'b': 2, 'c': 3}
lock = threading.Lock()


def accumulate():
    total = 0
    with lock:
        for value in shared_dict.values():
            total += value
    print(f"累加结果: {total}")


threads = []
for _ in range(5):
    t = threading.Thread(target=accumulate)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

采用的同步机制及原因

1. 同步机制：这里采用了threading.Lock（互斥锁）。
2. 原因：在多线程环境下，当多个线程同时访问和修改共享资源（如shared_dict）时，可能会出现竞态条件，导致数据不一致。互斥锁可以保证在同一时刻只有一个线程能够进入临界区（这里是对shared_dict进行遍历和累加的代码块），其他线程需要等待锁的释放。这样就避免了多个线程同时操作共享字典，从而保证了数据的一致性。

多进程实现（以Python多进程为例，使用multiprocessing.Lock）

import multiprocessing


shared_dict = {'a': 1, 'b': 2, 'c': 3}
lock = multiprocessing.Lock()


def accumulate():
    total = 0
    with lock:
        for value in shared_dict.values():
            total += value
    print(f"累加结果: {total}")


if __name__ == '__main__':
    processes = []
    for _ in range(5):
        p = multiprocessing.Process(target=accumulate)
        processes.append(p)
        p.start()

    for p in processes:
        p.join()

在多进程中使用multiprocessing.Lock也是出于同样目的，多进程之间共享资源同样存在竞态条件问题，通过锁来确保同一时间只有一个进程能操作共享字典，保证数据一致性。