RawArray未被進程修改爲Python多處理的共享內存

我正在使用python多進程。使用Pool啓動併發進程，使用RawArray在併發進程之間共享數組。我不需要同步RawArray的訪問，也就是說，可以隨時通過任何進程修改數組。RawArray未被進程修改爲Python多處理的共享內存

爲RawArray測試代碼是：（不介意程序的意義，因爲它僅僅是一個測試。）

from multiprocessing.sharedctypes import RawArray 

import time 

sieve = RawArray('i', (10 + 1)*[1]) # shared memory between processes 

import multiprocessing as mp 

def foo_pool(x): 
     time.sleep(0.2) 
     sieve[x] = x*x # modify the shared memory array. seem not work ?  
     return x*x 

result_list = [] 

def log_result(result): 
     result_list.append(result) 

def apply_async_with_callback(): 
     pool = mp.Pool(processes = 4)  
     for i in range(10): 
      pool.apply_async(foo_pool, args = (i,), callback = log_result) 
     pool.close() 
     pool.join() 
     print(result_list) 

     for x in sieve: 
      print (x)  # !!! sieve is [1, 1, ..., 1] 

if __name__ == '__main__': 
     apply_async_with_callback()

雖然如預期的代碼沒有工作。我評論了關鍵的陳述。我已經陷入了這一整天。任何幫助或建設性意見將不勝感激。

來源

2014-02-25 user3349785

time.sleep，因爲你沒有import time
使用sieve[x] = x*x修改數組，而不是sieve[x].value = x*x

在Windows上失敗，你的代碼中的每個子創建了一個新的sieve。您需要將引用傳遞到共享陣列，例如像這樣：

def foo_init(s): 
    global sieve 
    sieve = s 

def apply_async_with_callback(): 
    pool = mp.Pool(processes = 4, initializer=foo_init, initargs=(sieve,))  

if __name__ == '__main__': 
    sieve = RawArray('i', (10 + 1)*[1])

來源

2014-02-25 20:45:25

Karlila，感謝您的時間。我剛剛重新編寫了代碼。現在共享內存篩仍然沒有修改（它是[1,1，...]）。我錯過了什麼？更清楚的是，我的問題是如何在併發進程中修改共享數組（RawArray）而不在每個進程中複製它？ – user3349785

@ user3349785在答案中增加了一件事。請注意，順便說一下，您不應該以使現有答案無效的方式更改問題。 –

對不起，我改變了這個問題（我第一次錯了一些代碼，只是想讓問題更清楚，實際上這是我第一次問這個問題，我不知道這個規則。）你的意思是「你的代碼在每個子進程中創建一個新的篩子「？我沒有將共享數組篩選函數傳遞給每個進程，只是在子進程foo_pool中通過「sieve [x] = x * x」修改了其中的一個元素。 – user3349785

RawArray未被進程修改爲Python多處理的共享內存

回答

相關問題