Python 使用共享内存的多处理

有人能给我提供一些示例代码，让我在工作进程池中共享一个可写数组或列表，甚至使用python的多处理模块使用锁单独生成进程？下面的代码生成了两个进程，其中一个进程应将“1”打印到共享数组，另一个进程应将“2”打印到共享数组。但是，当我在处理后尝试打印出数组的元素时，它只会给我一个0的列表。我哪里做错了？我希望在多个进程之间共享一个可写的数据结构

下面是我的代码：

import multiprocessing

arr=multiprocessing.Array('i',10,lock=True)
lock=multiprocessing.RLock()

def putitin(n):
    for i in range(5):
        lock.acquire()
        arr.append(n)
        lock.release()
    return

p1=multiprocessing.Process(target=putitin,args=(1,))
p2=multiprocessing.Process(target=putitin,args=(2,))

p1.start()
p2.start()

p1.join()
p2.join()

for i in range(10):
    print(arr[i])

---

我在您的代码中发现了一些问题。首先，将所有共享资源传递给子级并使用

如果uuuu name\uuuuu=='\uuuuuuu main\uuuu'

。其次，我认为

多处理.Array

没有

append（）

方法（至少它在Python2和Python3上对我不起作用）。第三，因为您使用的是

lock=True

，所以我认为您不需要额外的锁

如果需要将值附加到数组中，我将使用单独的计数器变量（请参阅下面的代码）

---

话虽如此，你的高层次目标是什么？你想用它实现什么？也许可以使用

多处理.Pool

？

您的代码的一个潜在问题是，要在Windows上使用

多处理

，您需要将主进程的代码放入

中，如果uu name_u=='\uu main_u':

块。请参阅本节的“主模块的安全导入”小节

另一个主要问题是，您试图在进程之间共享一个全局变量。这将不起作用，因为每个进程都在自己的非共享内存空间中运行，所以每个子进程都有自己的

arr

。（不过，只是模块级常量的变量是可以的）

最后，

multiprocessing.Array

具有固定大小，并且没有代码在

putitin（）

函数中尝试使用的

extend（）

方法-因此，您似乎还需要一个可写且可调整大小的容器（该容器是有序的，可能通过整数索引访问）

在这种情况下，类似以下内容可能是合适的。在对对象进行更改之前，不需要显式锁定该对象，因为它是线程安全的共享对象

import multiprocessing

def putitin(lst, value):
    for i in range(5):
        lst.append(value)

if __name__ == '__main__':
    manager = multiprocessing.Manager()
    lst = manager.list()

    p1 = multiprocessing.Process(target=putitin, args=(lst, 1))
    p2 = multiprocessing.Process(target=putitin, args=(lst, 2))

    p1.start()
    p2.start()

    p1.join()
    p2.join()

    for i in range(len(lst)):
        print(lst[i])

输出：

1
1.
1.
1.
1.
2.
2.
2.
2.
2.

这只是一段简单的代码。我有一种方法，可以运行1000个蒙特卡罗模拟，但我不想连续执行这些模拟，而是希望它们通过5个进程（每个进程200个模拟）并行运行。我希望每个进程将结果写入一个公共数组（大小为1000）。由于锁是共享资源的最佳方式，所以我的问题是，当一个进程向数组写入时，如何在数组上获取锁？对于每个进程也是如此，我希望它在处理完结果后立即获得共享数组上的锁，而不是将数组划分为每个processVedant7的单独段：我不知道我是否理解。不管怎样，只要需要，您可以使用

lock=arr.get_lock（）

（或者更好的是，使用带有arr.get_lock（）的

块获得整个共享数组的锁：…

块。请参阅。同时注意，在这种情况下，它应该是

RLock

。另外，如果我的答案中的代码解决了您的问题，请接受它。（请参阅）它并不能完全解决我的问题，因为我不想将数组分成为每个进程保留的小段。

import multiprocessing

def putitin(lst, value):
    for i in range(5):
        lst.append(value)

if __name__ == '__main__':
    manager = multiprocessing.Manager()
    lst = manager.list()

    p1 = multiprocessing.Process(target=putitin, args=(lst, 1))
    p2 = multiprocessing.Process(target=putitin, args=(lst, 2))

    p1.start()
    p2.start()

    p1.join()
    p2.join()

    for i in range(len(lst)):
        print(lst[i])