摘要:可以使用标准的索引切片迭代操作访问它,其中每项操作均锁进程同步,对于字节字符串,还具有属性,可以把整个数组当做一个字符串进行访问。当所编写的程序必须一次性操作大量的数组项时,如果同时使用这种数据类型和用于同步的多带带大的锁,性能将极大提升。
上一篇文章:Python进程专题5:进程间通信
下一篇文章:Python进程专题7:托管对象
我们现在知道,进程之间彼此是孤立的,唯一通信的方式是队列或管道,但要让这两种方式完成进程间通信,底层离不开共享内容,这就是今天的主角:共享内存。创建共享值得方法
v=Value(typecode,arg1,...,argN,lock): typecode:要么是包含array模块使用的相同类型代码(如"i"、"d"等)的字符串,要么是来自ctypes模块的类型对象 (例如:ctypes.c_int,ctypes.c_double等)。 arg1,...,argN:传递给构造函数的参数。 lock:只能使用关键字传入的参数,默认为True:将创建一个新锁来保护对值的访问。如果传入一个现有锁,该锁将用于进行同步。 访问底层的值:v.value
r=RawValue(typecode,arg1,...,argN):同Value对象,唯一区别是不存在lock
a=Array(typecode,initializer,lock):在共享内存中创建ctypes数组。 initializer:要么是设置数组初始大小的整数,要么是项序列,其值和大小用于初始化数组。 可以使用标准的Python索引、切片、迭代操作访问它,其中每项操作均→锁进程同步, 对于字节字符串,a还具有a.value属性,可以把整个数组当做一个字符串进行访问。
r=RawArray(typcode,initlizer):同Array,单不存在锁。当所编写的程序必须一次性操作大量的数组项时, 如果同时使用这种数据类型和用于同步的多带带大的锁,性能将极大提升。
原语 | 描述 |
---|---|
Lock | 互斥锁 |
RLock | 可重入的互斥锁(同一个进程可以多吃获得它,同时不会造成阻塞) |
Semaphore | 信号量 |
BoundedSemaphore | 有边界的信号量 |
Event | 事件 |
Condition | 条件变量 |
代码:
#使用共享数组代替管道,将一个由浮点数组成的Python列表发送给另外一个进程 import multiprocessing class FloatChannel(object): def __init__(self,maxsize): #在共享内存中创建一个试数组 self.buffer=multiprocessing.RawArray("d",maxsize) #在共享内存中创建ctypes对象 self.buffer_len=multiprocessing.Value("i") #定义一个信号量1代表:empty self.empty=multiprocessing.Semaphore(1) #定义一个信号量0代表:full self.full=multiprocessing.Semaphore(0) def send(self,values): #只在缓存为null时继续 #acquire()会阻塞线程,直到release被调用 self.empty.acquire() nitems=len(values) print("保存内容的长度",nitems) #设置缓冲区大小 self.buffer_len.value=nitems #将值复制到缓冲区中 self.buffer[:nitems]=values print(self.buffer[:nitems]) #发信号通知缓冲区已满 self.full.release() def recv(self): #只在缓冲区已满时继续 self.full.acquire() #复制值 values=self.buffer[:self.buffer_len.value] #发送信号,通知缓冲区为空 self.empty.release() return values #性能测试,接受多条消息 def consume_test(count,ch): #for i in range(count): values=ch.recv() print("接收到的值:",values) #性能测试,发送多条消息 def produce_test(count,values,ch): #for i in range(count): print("发送:",values) ch.send(values) if __name__=="__main__": ch=FloatChannel(10000) p=multiprocessing.Process(target=consume_test,args=(1000,ch)) p.start() values=[float(x) for x in range(10)] produce_test(10,values,ch) print("done") p.join()
结果:
发送: [0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0] 保存内容的长度 10 [0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0] done 接收到的值: [0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0]
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/42355.html
摘要:连接带远程管理器对象,该对象的地址在构造函数中支出。在当前进程中运行管理器服务器。启动一个单的子进程,并在该子进程中启动管理器服务器。如果无法序列号对象将引发异常。 上一篇文章:Python进程专题6:共享数据与同步下一篇文章:Python进程专题8:分布集群的消息传递 进程不支持共享对象,上面描述的创建共享值和数组,但都是指定的特殊类型,对高级的Python对象(如:字典、列表、用...
摘要:一个进程,通常是从上往下逐条语句执行,这对正常人来说都比较好理解,但是当遇到多进程时,虽然在每个进程内还是逐句执行,但是这个应用程序,体现出出来的就不是逐句执行了,这也是多进程多线程难以理解的原因。 上一篇文章:Python垃圾回收详解下一篇文章:Python进程专题1:fork():创建子进程、getpid()、getppid() 多进程就是同时进行多项任务,一个程序就可以看成是一...
摘要:上一篇文章进程专题进程池下一篇文章进程专题共享数据与同步模块支持的进程间通信主要有两种管道和队列。队列底层使用管道和锁,同时运行支持线程讲队列中的数据传输到底层管道中,来实习进程间通信。 上一篇文章:Python进程专题4:进程池Pool下一篇文章:Python进程专题6:共享数据与同步 multiprocessing模块支持的进程间通信主要有两种:管道和队列。一般来说,发送较少的大...
摘要:上一篇文章进程专题完结篇多进程处理的一般建议下一篇文章线程专题多线程使用的必要性进程线程进程能够完成多任务,比如在一个电脑上可以运行多个软件。由于占用资源少,也使得多线程程序并发比较高。 上一篇文章:Python进程专题完结篇:多进程处理的一般建议下一篇文章:Python线程专题1:多线程使用的必要性 进程VS线程 进程:能够完成多任务,比如在一个电脑上可以运行多个软件。线程:也能够...
摘要:上一篇文章线程专题多线程使用的必要性下一篇文章线程专题对象在一个进程内的所有线程共享全局变量。但多线程对全局变量的更改会导致变量值得混乱。 上一篇文章: Python线程专题1:多线程使用的必要性下一篇文章:Python线程专题3:thread对象 在一个进程内的所有线程共享全局变量。但多线程对全局变量的更改会导致变量值得混乱。 实例:验证同一个进程内所有线程共享全局变量 代码: #...
阅读 1375·2023-04-25 17:18
阅读 1841·2021-10-27 14:18
阅读 2082·2021-09-09 09:33
阅读 1813·2019-08-30 15:55
阅读 1996·2019-08-30 15:53
阅读 3406·2019-08-29 16:17
阅读 3402·2019-08-26 13:57
阅读 1696·2019-08-26 13:46