


Unterschiedliches Verhalten synchronisierter Variablen in verschiedenen Betriebssystemen
SEO:
- Der Wert der synchronisierten Python-Variable ändert sich im globalen Kontext nicht
- Synchronisierter Wert im Hauptprozess nicht geändert
- Synchronisierter Wert wird nicht zwischen Prozessen geteilt
In der Multiprocessing-Bibliothek von Python gibt es multiprocessing.sharedctypes.synchronized, einen Wrapper-Typ, der zum Teilen von Daten zwischen verschiedenen Prozessen verwendet wird. Standardmäßig wird eine Wiedereintrittssperre RLock verwendet, um die Datenkonsistenz aufrechtzuerhalten. Bevor ich dieses Mal Python neu lernte, verwendete ich Python 3.6. Obwohl ich zu diesem Zeitpunkt einige oberflächliche Kenntnisse der MP-Bibliothek genutzt hatte, hatte ich das unterschiedliche Verhalten von Multiprozessprogrammen auf verschiedenen Betriebssystemen und ihre möglichen Auswirkungen nicht eingehend untersucht.
Beim Studium dieses Mal bin ich auf ein Problem gestoßen: Wenn ich mit Python 3.12 auf dem macOS-System eine Variable multiprocessing.sharedctypes.Value im globalen Kontext erstelle und in einem neuen Prozess auf diese Variable zugreife, ist ihr Wert nicht synchronisiert zwischen verschiedenen Prozessen gepflegt werden. Nach einem Gespräch mit Lehrer Eric Greene stellte ich fest, dass sich seit Python 3.8 die Art und Weise, neue Prozesse in verschiedenen Betriebssystemen zu erstellen, geändert hat:
- Linux-Systeme verwenden immer Fork, um neue Prozesse zu erstellen. Während der Verzweigung werden alle Ressourcen des übergeordneten Prozesses vom untergeordneten Prozess geerbt, sodass der untergeordnete Prozess auch auf die global im übergeordneten Prozess definierten Synchronisationsvariablen zugreifen kann, sodass die Datenkonsistenz erhalten bleibt
- Windows-Systeme verwenden immer Spawn, eine Methode zum Erstellen eines neuen Python-Interpreterprozesses zur Implementierung von Multi-Processing. Dies ist gleichbedeutend damit, Python „mehr zu öffnen“, sodass mehr Overhead und geringere Effizienz entstehen, aber dies ist eine Einschränkung des Windows-Systems selbst. In diesem Fall erbt der untergeordnete Prozess nur die Ressourcen, die die run()-Methode des übergeordneten Prozesses benötigt, um den neuen Prozess zu starten.
- Das macOS-System verwendete Fork vor Python 3.8 und wurde dann zu Spawn geändert, sodass sich einige Verhaltensweisen bei mehreren Prozessen geändert haben. (macOS kann weiterhin auf die Verwendung von Fork eingestellt werden, Python wird jedoch nicht offiziell empfohlen)
Da in meinem Beispiel die Synchronized-Variable global im übergeordneten Prozess deklariert ist, wird sie auf Windows- und macOS-Systemen nicht vom untergeordneten Prozess geerbt, sodass die Werte zwischen verschiedenen Prozessen auf Linux-Systemen unterschiedlich sind Alle Ressourcen des übergeordneten Prozesses werden geerbt, sodass der untergeordnete Prozess seinen Wert ändern kann.
Dies verursachte das Phänomen, das ich sah: Die globalen Synchronisierungsvariablen meines Codes unter macOS änderten sich nicht, während die Linux-Systeme anderer Leute normal liefen und die Variablen zwischen allen Prozessen synchronisiert wurden.
Referenzlektüre:
- https://docs.python.org/3/library/multiprocessing.html#contexts-and-start-methods
- https://docs.python.org/3/library/multiprocessing.html#multiprocessing.sharedctypes.synchronized
Das obige ist der detaillierte Inhalt vonUnterschiedliches Verhalten synchronisierter Variablen in verschiedenen Betriebssystemen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Lösung für Erlaubnisprobleme beim Betrachten der Python -Version in Linux Terminal Wenn Sie versuchen, die Python -Version in Linux Terminal anzuzeigen, geben Sie Python ein ...

Bei der Verwendung von Pythons Pandas -Bibliothek ist das Kopieren von ganzen Spalten zwischen zwei Datenrahmen mit unterschiedlichen Strukturen ein häufiges Problem. Angenommen, wir haben zwei Daten ...

Wie lehre ich innerhalb von 10 Stunden die Grundlagen für Computer -Anfänger für Programmierungen? Wenn Sie nur 10 Stunden Zeit haben, um Computer -Anfänger zu unterrichten, was Sie mit Programmierkenntnissen unterrichten möchten, was würden Sie dann beibringen ...

Wie kann man nicht erkannt werden, wenn Sie Fiddlereverywhere für Man-in-the-Middle-Lesungen verwenden, wenn Sie FiddLereverywhere verwenden ...

Regelmäßige Ausdrücke sind leistungsstarke Tools für Musteranpassung und Textmanipulation in der Programmierung, wodurch die Effizienz bei der Textverarbeitung in verschiedenen Anwendungen verbessert wird.

Wie hört Uvicorn kontinuierlich auf HTTP -Anfragen an? Uvicorn ist ein leichter Webserver, der auf ASGI basiert. Eine seiner Kernfunktionen ist es, auf HTTP -Anfragen zu hören und weiterzumachen ...

In dem Artikel werden beliebte Python-Bibliotheken wie Numpy, Pandas, Matplotlib, Scikit-Learn, TensorFlow, Django, Flask und Anfragen erörtert, die ihre Verwendung in wissenschaftlichen Computing, Datenanalyse, Visualisierung, maschinellem Lernen, Webentwicklung und h beschreiben

Wie erstellt in Python ein Objekt dynamisch über eine Zeichenfolge und ruft seine Methoden auf? Dies ist eine häufige Programmieranforderung, insbesondere wenn sie konfiguriert oder ausgeführt werden muss ...
