python多处理和joblib参数传递

Question

我对Python多处理有一些困惑，当它涉及全局numpy数组时。

考虑以下玩具示例，传递的参数是一个整数，表示要求和的行。我的问题是：

1. 每个处理器/工作人员都有x的副本吗？

2. 如果我传递实际行，性能如何变化，例如pool.apply_async(sum, (x[i],))并相应地更改函数sum（）。我的理解是传递的参数是numpy数组的视图，因此它不应该影响非并行程序中的任何内容。但是多处理程序呢。

3. 如果我用joblib包重写程序，results = joblib.Parallel(n_jobs=-1, max_nbytes=1e6)(joblib.delayed(sum)(i) for i in xrange(len(x)))每个处理器/工作者都有自己的x副本吗？如果确实如此，因为x是只读的，那么分享工人的最简单方法是什么？

代码：

import numpy as np
from multiprocessing import Pool, cpu_count

def sum(idx):
    """
    sum the idx row of global numpy array x
    :idx: indicate which row
    :returns: float sum 
    """
    return np.sum(x[idx])

x = np.random.random((10, 100))
pool = Pool(cpu_count())
result = {} 
for i in xrange(len(x)): 
    result[i] = pool.apply_async(sum, (i,))

for k, v in result.iteritems():
    print k, v.get()

谢谢