本文详解如何在 Python 中安全、高效地使用多线程对同一文件进行随机偏移量（seek）写入，避免覆盖或错位，核心在于正确使用 "rb+" 模式、线程同步与文件预分配技巧。
本文详解如何在 python 中安全、高效地使用多线程对同一文件进行随机偏移量（seek）写入，避免覆盖或错位，核心在于正确使用 `"rb+"` 模式、线程同步与文件预分配技巧。
在构建并发下载器（如分段下载后合并）时，一个常见优化策略是：预先创建目标文件并预留完整空间，再让各工作线程独立定位到指定偏移处写入数据。但直接使用 "wb" 会清空文件，"ab" 又忽略 seek() —— 这并非 Python 的缺陷，而是文件打开模式语义的必然结果。
关键在于：必须使用可读可写、不截断的二进制模式 "rb+"。该模式允许在任意位置读写，且当 seek() 超出当前文件长度时，Python 会自动扩展文件（中间以 \x00 填充），无需手动预写填充字节。
以下是一个精简、健壮的实现方案：
from random import sample
from threading import Lock, Thread
from pathlib import Path
def write_at_offset(offset: int, lock: Lock, file_path: Path) -> None:
"""在指定偏移处写入单字节（值为 offset）"""
with lock: # 全局锁确保同一时刻仅一个线程操作文件句柄
with file_path.open("rb+") as f:
f.seek(offset)
f.write(bytes([offset])) # 写入单字节，避免编码/解码开销
def concurrent_file_write(file_path: Path, n: int) -> None:
# 1. 创建空文件（无需填充内容，rb+ 模式支持越界 seek）
file_path.write_bytes(b"") # 或用 open(..., "wb").close()
# 2. 启动 n 个线程，随机顺序执行写入
lock = Lock()
threads = [
Thread(target=write_at_offset, args=(i, lock, file_path))
for i in sample(range(n), n)
]
for t in threads:
t.start()
for t in threads:
t.join()
# 3. 验证结果
content = file_path.read_bytes()
print("写入结果（十进制字节值）:", list(content))
if __name__ == "__main__":
concurrent_file_write(Path("output.bin"), n=8)
✅ 关键要点说明：
-
模式选择：
"rb+"是唯一满足需求的模式——它保持文件内容、支持seek()定位、允许写入任意位置；"wb"截断，"ab"强制追加，均不可用。 -
无需预填充：
f.seek(1000)后写入，文件会自动扩展至 1001 字节，前 1000 字节自动补\x00。手动预填充不仅冗余，还可能因竞态导致错误。 -
线程安全：虽然
seek()+write()是原子操作，但多个线程共享同一文件对象句柄时，必须加锁。否则seek()和write()之间可能被其他线程打断，造成写入错位。 -
性能提示：若写入大量小数据，可考虑批量写入或使用
mmap提升效率；本例聚焦正确性，锁粒度较粗但逻辑清晰可靠。
⚠️ 注意事项：
- 避免在循环内反复
open()/close()同一文件（如原问题中每个线程都open("2.txt", "wb")），这会导致截断或句柄冲突；应复用文件路径，由每个线程在加锁后独立打开"rb+"。 -
flush()在with语句结束时自动调用，显式调用纯属冗余，且无法解决并发问题。 - 若需写入字符串或结构化数据，请统一编码（如
s.encode()）并确保长度可控，避免偏移计算错误。
通过上述方式，即可稳定、可预测地实现多线程并发文件随机写入，为高性能分段下载、日志聚合、大数据预处理等场景提供坚实基础。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
