Question

我有一个单线程Python程序，我想修改它以使用它运行的服务器上的所有32个处理器。正如我所设想的那样，每个工作进程都会从队列中接收其作业并将其输出提交到队列。但是，要完成其工作，每个工作进程都需要只读访问复杂的内存中数据结构 - 许多千兆字节的dicts和彼此链接的对象。在python中，有没有一种简单的方法来共享这个数据结构，而不为每个工作进程复制它？

感谢。

Answer 1

如果您正在使用Python的CPython（或PyPy）实现，那么global interpreter lock (GIL)将阻止多个线程一次在Python对象上运行。

因此，如果您使用这样的实现，则需要使用多个进程而不是多个线程来利用您的32个处理器。

您可以使用标准库的multiprocessing或concurrent.futures模块来生成工作进程。还有many third-party options。 Doug Hellman's tutorial是对多处理模块的一个很好的介绍。

由于您只需要对数据结构进行只读访问，因此如果您在之前将复杂数据结构分配给全局变量，则会生成进程，那么所有进程都可以访问此全局变量

当您生成进程时，来自调用模块的全局变量将被复制到生成的进程中。但是，在具有copy-on-write的Linux上，生成的进程使用了完全相同的数据结构，因此不需要额外的内存。仅当进程修改数据结构时，才会将其复制到新位置。

在Windows上，由于没有fork，每个衍生进程都会调用python并重新导入调用模块，因此每个进程都需要内存用于其庞大数据结构的单独副本。必须有一些其他方式在Windows上共享数据结构，但我不知道细节。（编辑：POSH may be a solution to the shared-memory problem，但我自己没有尝试过。）

Answer 2

要在上面添加对unutbu答案的演示，下面的代码显示它实际上是COW共享内存（CPython 3.6，Mac OS）

main_shared.py

import multiprocessing
from time import sleep


my_global = None


def test():
    global my_global
    read_only_secs = 3
    while read_only_secs > 0:
        sleep(1)
        print(f'child proc global: {my_global} at {hex(id(my_global))}')
        read_only_secs -= 1
    print('child proc writing to copy-on-write...')
    my_global = 'something else'
    while True:
        sleep(1)
        print(f'child proc global: {my_global} at {hex(id(my_global))}')


def set_func():
    global my_global
    my_global = [{'hi': 1, 'bye': 'foo'}]

if __name__ == "__main__":
    print(f'main proc global: {my_global} at {hex(id(my_global))}')
    set_func()
    print(f'main proc global: {my_global} at {hex(id(my_global))}')
    p1 = multiprocessing.Process(target=test)
    p1.start()

    while True:
        sleep(1)
        print(f'main proc global: {my_global} at {hex(id(my_global))}')

输出

$ python main_shared.py 
main proc global: None at 0x101b509f8
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc writing to copy-on-write...
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc global: something else at 0x1022ea3b0
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc global: something else at 0x1022ea3b0
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708
child proc global: something else at 0x1022ea3b0
main proc global: [{'hi': 1, 'bye': 'foo'}] at 0x102341708

Python中的多处理与只读共享内存？

2 个答案: