應該在多處理環境中複製唯讀共享資料嗎？

多處理共享唯讀資料

問題摘要

使用多重處理時，如果共享唯讀資料複製到不同的進程，就會出現問題。如果是這樣，如何防止或鼓勵這種複製？

解決方案：共享記憶體

提供的程式碼片段，它在多個進程執行的函數中使用全域數組作為預設參數，引起對記憶體重複的擔憂。為了防止各個進程獲取資料的單獨副本，請考慮利用共享記憶體。

與Numpy 共享記憶體

可以將多處理和Numpy 結合起來以有效地共享資料：

<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>

並行處理範例

在每一個>每在一個進程執行的函數中，對共享數組所做的更改對所有進程都是可見的：

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

結論

相應的此問題的機制取決於應用程式的具體要求和存取模式。共享記憶體提供了一種有效的方法來防止這種情況下的資料重複，確保多個進程之間的共享存取。

以上是應該在多處理環境中複製唯讀共享資料嗎？的詳細內容。更多資訊請關注PHP中文網其他相關文章！