Multiprocessing 存储在多处理中的值与原始值不同

我试图在多处理类值中存储一个bytes对象，但我发现实际存储的值与我想要存储的值不同。例如，以下代码的计算结果为False

import ctypes
import dill
import multiprocessing as mp
x = [{str(i):i} for i in range(10)]

y = dill.dumps(x)

serialized_workbook = mp.Value(ctypes.c_char_p, dill.dumps(None))
serialized_workbook.value = y
serialized_workbook.value ==  y

为什么会发生这种情况？我如何防止这种情况发生？我想这样做的原因是为了以后可以再次加载它

dill.loads(serialized_workbook.value)

上面的代码失败，而下面的代码则没有

dill.loads(y)

---

c\u char\u p

的

value

是以null结尾的字符串，因此它在

dumps（x）

字符串中的第一个null处停止。另外，由于

c\u char\p

是一个指针，因此在跨平台多处理上下文中，它通常是无用的。Windows没有

fork

来共享父进程的地址空间，因此与另一个进程共享指针是毫无意义的（在

多处理

框架内）。您可以将类型与

c\u char

或

c\u ubyte

一起使用。谢谢！这很有帮助。我现在对这个问题有了更多的了解，但我一直在修改序列化的worbook的内容，这个变量需要跨不同的进程访问，这让我觉得我应该使用mp.Manager来获得一个共享列表。我并不反对这一点。对此有何评论？通过

Value

和

Array

使用

mmap

支持的共享内存的好处是不必在进程之间进行pickle和管道数据处理。否则，跨进程共享状态是一个性能瓶颈。通常，最好尽可能保持工作进程无状态。通过

管道

或

队列

向工作人员传递消息。流程

池

是一种简单的管理方法。工作项通常应该是CPU绑定的。对于I/O绑定的工作，通常最好使用线程，或者使用带有协程的异步I/O框架。在适当的地方使用协程/线程和进程。如果需要通过多处理来访问多个内核以解决CPU受限的问题，请仔细设计系统以避免在进程之间共享状态。若您绝对必须共享状态，而共享内存不是一个选项，那个么托管容器是合适的。这就是它的目的。但它在同步和数据复制方面付出了实实在在的代价。