Question

我创建了一个小代码片段（原始代码要大得多），它调用一个创建对象的函数，但是在一个进程池中：

import multiprocessing


class TestClass(object):
    pass


def func():
    obj = TestClass()
    cpname = multiprocessing.current_process().name
    print "{0}, Address: {1}".format(cpname, str(obj))


pool = multiprocessing.Pool(2)
results = [pool.apply_async(func) for _ in range(2)]

for res in results:
    res.get()

pool.close()
pool.join()

当我运行此代码时，我得到以下输出：

PoolWorker-1, Address: <__main__.TestClass object at 0x7f05d3fdad50>
PoolWorker-2, Address: <__main__.TestClass object at 0x7f05d3fdad50>

我不明白的是，为什么对象具有相同的地址，即使它们位于不同的进程中？
如何确保每个进程都创建自己的对象？

非常感谢你的帮助。

Answer 1

当您.ChartArea(chartArea => chartArea.Background("transparent").Height(600))进行多处理时，它会复制您的流程。内存分配器和父进程中的所有地址将被复制到子进程中。因此，下一次分配很可能具有相同的地址。

您可以验证它们实际上是单独的对象，如下所示：

fork()

Answer 2

对象不同，不同的进程使用不同的virtual address space，不同进程中的相同地址指向不同的内存区域。

如果你改变你的例子，你会发现返回的对象是不同的：

import multiprocessing

class TestClass(object):
    pass

def func():
    obj = TestClass()
    cpname = multiprocessing.current_process().name
    print "{0}, Address: {1}".format(cpname, str(obj))
    return obj

pool = multiprocessing.Pool(2)
results = [pool.apply_async(func) for _ in range(2)]

results = [res.get() for res in results]

pool.close()
pool.join()

print results

Answer 3

似乎您可能正在使用Linux-ish系统，其中通过fork()创建新流程。在这种情况下，您应该期望地址之间的大量重叠。这并不意味着您的obj个实例占用相同的物理内存 - 只是它们共享相同的虚拟（进程本地）地址。

更多信息：

What happens to address's, values, and pointers after a fork()

多处理不会重新创建对象

3 个答案: