应该在多处理环境中复制只读共享数据吗？

多处理共享只读数据

问题摘要

使用多处理时，如果共享只读数据复制到不同的进程，就会出现问题。如果是这样，如何防止或鼓励这种复制？

解决方案：共享内存

提供的代码片段，它在多个进程执行的函数中使用全局数组作为默认参数，引起对内存重复的担忧。为了防止各个进程获取数据的单独副本，请考虑利用共享内存。

与 Numpy 共享内存

可以将多处理和 Numpy 结合起来以有效地共享数据：

<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>

并行处理示例

在每个进程执行的函数中，对共享数组所做的更改对所有进程都是可见的：

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

结论

相应的此问题的机制取决于应用程序的具体要求和访问模式。共享内存提供了一种有效的方法来防止这种情况下的数据重复，确保多个进程之间的共享访问。

以上是应该在多处理环境中复制只读共享数据吗？的详细内容。更多信息请关注PHP中文网其他相关文章！