マルチプロセッシング環境では読み取り専用の共有データをコピーする必要がありますか?

共有読み取り専用データのマルチプロセス

問題の概要

マルチプロセスを使用する場合、共有読み取り専用データが別のプロセスにコピーされるかどうかという問題が生じます。もしそうなら、このコピーをどのように防止または促進できますか?

解決策: 共有メモリ

提供されたコード スニペットは、複数のプロセスによって実行される関数内のデフォルト パラメーターとしてグローバル配列を使用します。メモリの重複に関する懸念が生じます。個々のプロセスがデータの個別のコピーを取得しないようにするには、共有メモリの利用を検討してください。

Numpy による共有メモリ

マルチプロセッシングと Numpy を組み合わせて、データを効率的に共有できます。

<code class="python">import multiprocessing
import ctypes
import numpy as np

shared_array_base = multiprocessing.Array(ctypes.c_double, 10*10)
shared_array = np.ctypeslib.as_array(shared_array_base.get_obj())
shared_array = shared_array.reshape(10, 10)</code>

並列処理の例

各プロセスによって実行される関数内で、共有配列に加えられた変更はすべてのユーザーに表示されます:

<code class="python">def my_func(i, def_param=shared_array):
    shared_array[i,:] = i</code>

結論

適切なこの問題のメカニズムは、アプリケーションの特定の要件とアクセス パターンによって異なります。共有メモリは、このような状況でのデータの重複を防止する効果的なアプローチを提供し、複数のプロセス間の共有アクセスを確保します。

以上がマルチプロセッシング環境では読み取り専用の共有データをコピーする必要がありますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。