Python 具有多处理功能的字符串共享内存数组

我正在尝试对一些现有代码进行多处理，我发现使用

池

对进程的数据进行酸洗/取消酸洗太慢。我认为在我的情况下，

经理

也会遇到同样的问题，因为它在幕后做同样的酸洗

为了解决这个问题，我尝试使用共享内存阵列。为了让它工作，我需要一个字符串数组。似乎

multiprocessing.Array

支持

ctypes.c\u char\u p

，但我很难将其扩展到字符串数组中。下面是我尝试过的许多事情中的一些

#!/usr/bin/python
import ctypes
import multiprocessing as mp
import multiprocessing.sharedctypes as mpsc
import numpy

# Tested possible solutions
ver = 1
if 1==ver:
    strings = mpsc.RawArray(ctypes.c_char_p, (' '*10, ' '*10, ' '*10, ' '*10))
elif 2==ver:
    tmp_strings = [mpsc.RawValue(ctypes.c_char_p, ' '*10) for i in xrange(4)]
    strings = mpsc.RawArray(ctypes.c_char_p, tmp_strings)
elif 3==ver:
    strings = []
    for i in xrange(4):
        strings.append( mpsc.RawValue(ctypes.c_char_p, 10) )

def worker(args):
    snum, lenarg = args
    string = '%s' % snum
    string *= lenarg
    strings[snum] = string
    return string

# Main progam
data = [(i, numpy.random.randint(1,10)) for i in xrange(3)]
print 'Testing version ', ver
print
print 'Single process'
for x in map(worker, data):
    print '%10s : %s' % (x, list(strings))
print

print 'Multi-process'
pool = mp.Pool(3)
for x in pool.map(worker, data):
    print '%10s : %s' % (x, list(strings))
    print '            ', [isinstance(s, str) for s in strings]

请注意，我使用的是

multiprocessing.sharedTypes

，因为我不需要锁定，它应该可以与

multiprocessing.Array相当互换

上述代码的问题在于，生成的
strings
对象包含常规字符串，而不是来自
mpsc.RawArray
构造函数的共享内存字符串。在版本1和版本2中，您可以看到在进程外工作时数据是如何被置乱的（如预期的）。对我来说，版本3一开始看起来很有效，但是你可以看到
=
只是将对象设置为一个常规字符串，虽然这对短测试有效，但在较大的程序中它会产生问题

似乎应该有一种方法来创建共享指针数组，其中指针指向共享内存空间中的字符串。如果您尝试使用
c\u str\u p
类型初始化它，而我还没有直接操作底层地址指针，那么
c\u void\u p
类型会发出抱怨

任何帮助都将不胜感激。
首先，您的第三个解决方案不起作用，因为
字符串
不是由多处理部分更改的，而是由单个处理部分修改的。您可以通过注释单个流程部件进行检查

第二，这一个将起作用：

import ctypes
import multiprocessing as mp
import multiprocessing.sharedctypes as mpsc
import numpy

strings = [mpsc.RawArray(ctypes.c_char, 10) for _ in xrange(4)]

def worker(args):
    snum, lenarg = args
    string = '%s' % snum
    string *= lenarg
    strings[snum].value = string
    return string

# Main progam
data = [(i, numpy.random.randint(1,10)) for i in xrange(4)]

print 'Multi-process'
print "Before: %s" % [item.value for item in strings]
pool = mp.Pool(4)
pool.map(worker, data)
print 'After : %s' % [item.value for item in strings]

输出：

Multi-process
Before: ['', '', '', '']
After : ['0000000', '111111', '222', '3333']

谢谢我自己应该抓到的。运行速度肯定比数据酸洗快。