Python multiprocessing 共享对象的示例代码
作者：迹忆客
在 Python 中，共享内存多处理由连接多个处理器组成，但这些处理器必须能够直接访问系统的主内存。 这将允许所有连接的处理器访问它们使用或创建的其他处理器数据。
在多进程中使用 Python 共享内存对象
在 Python 中使用 multiprocessing，一个新的进程可以独立运行并拥有自己的内存空间。 通过查看下面的示例，让我们详细了解使用 Python 的共享对象多处理。
示例代码：
import multiprocessing
#an empty array globally declared
answer = []
def square_numbers(mynumbers):
#for squaring array elements, a function has been used
global answer
#appending square numbers to a global array
for n in mynumbers:
answer.append(n * n)
#print a global array for generating an answer
print("Answer using first process: {}".format(answer))
if __name__ == "__main__":
#input array
mynumbers = [5,10,15]
#new process has been created
p = multiprocessing.Process(target=square_numbers, args=(mynumbers,))
#process begins here
p.start()
#wait unless a process is completed
p.join()
#print a global array for generating an answer
print("Answer using main program: {}".format(answer))输出:
Answer using first process: [25, 100, 225]
Answer using main program: []
我们使用上面的例子在两个地方打印了全局数组答案。
进程 p 调用 square_numbers 函数，以便在内存空间中为进程 p 更改数组元素。
主程序在进程 p 完成后运行，我们将在内存空间中得到一个空数组作为答案。
Python 中的多处理提供了值对象和一个数组，用于在多个进程之间共享数据。
示例代码：
import multiprocessing
def square_data(mydata, answer, square_sum):
#a function has been made for squaring of given data
#appending squares of mydata to the given array
for ix, n in enumerate(mydata):
answer[ix] = n * n
#sum the square values
square_sum.value = sum(answer)
#print array of squared values for process p
print("Answer in process p: {}".format(answer[:]))
# print the sum of squared values for process p
print("Sum of squares values in process p: {}".format(square_sum.value))
if __name__ == "__main__":
#here, we input the data
mydata = [1,2,3]
#an array has been created for the int data type for three integers
answer = multiprocessing.Array('i', 3)
#value has been created for int data type
square_sum = multiprocessing.Value('i')
#new process has been created
p = multiprocessing.Process(target=square_data, args=(mydata, answer, square_sum))
#process begins from here
p.start()
#wait unless the process is completed
p.join()
# print an array of squared values for the main program
print("Answer in main program: {}".format(answer[:]))
# print the sum of squared values for the main program
print("Sum of square values in main program: {}".format(square_sum.value))输出:
Answer in process p: [1, 4, 9]
Sum of squares in process p: 14
Answer in main program: [1, 4, 9]
Sum of squares in main program: 14
在上面的示例中，我们创建了一个数组并将三个整数传递给它。 我们打印了一个平方值数组，然后是进程 p 的平方值之和。
在此之后，我们再次为主程序打印一个平方值数组和平方值之和。
总结
可以通过多种方式来解释使用 Python 的共享内存多处理。 因此，在本文中，我们解释了多进程共享内存概念，即一个对象如何放置在共享内存空间并独立运行。
除此之外，我们还了解到 Python 允许进程在不同进程之间共享数据。
到此这篇关于Python multiprocessing 共享对象的文章就介绍到这了,更多相关Python multiprocessing 共享内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！