如何确保多处理中只读数据的共享访问？

多处理：确保对只读数据的共享访问

在多处理场景中，进程间数据共享的问题经常出现。具体来说，在处理大型只读数据结构时，最好避免将此数据复制到每个进程，这既耗时又占用内存。

考虑以下代码片段：

<code class="python">glbl_array = # a 3 Gb array

def my_func( args, def_param = glbl_array):
    #do stuff on args and def_param

if __name__ == '__main__':
  pool = Pool(processes=4)
  pool.map(my_func, range(1000))</code>

在此示例中，全局变量 glbl_array 被定义为大型 (3 Gb) 数组。 my_func 函数设计用于对 glbl_array 进行操作。当使用 Pool(processes=4) 生成多个进程进行并行执行时，就会出现问题：每个进程会收到 glbl_array 中数据的单独副本，还是所有进程会共享相同的只读数据？

在 Linux 中，fork 系统调用的语义支持多处理，支持写时复制语义。这意味着，如果 glbl_array 是只读的，除非必要，否则不会在进程之间物理复制数据。

但是，如果修改了 glbl_array，一个进程所做的更改将反映在所有其他进程可访问的数据中流程。为了防止不必要的数据覆盖，请考虑利用不可变对象（例如 glbl_array 的 tostring() 表示形式）作为函数的默认参数。

或者，可以利用 Python 多处理模块提供的共享内存设施显式创建和管理共享内存段，从而确保数据不会跨进程重复。

以上是如何确保多处理中只读数据的共享访问？的详细内容。更多信息请关注PHP中文网其他相关文章！