多处理：为什么在复制列表时与子进程共享一个 numpy 数组？

Question

我用这个script（见最后的代码）来评估当父进程分叉时全局对象是否被共享或复制。

简而言之，脚本创建了一个全局 data 对象，子进程遍历 data。该脚本还监视内存使用情况，以评估对象是否被复制到子进程中。

结果如下：

data = np.ones((N,N))。子进程中的操作： data.sum()。结果：data 是 shared（无副本）
data = list(range(pow(10, 8)))。子进程中的操作：sum(data)。结果：data 被复制。
data = list(range(pow(10, 8)))。子进程中的操作：for x in data: pass。结果：data 被复制。

由于写时复制，结果 1) 是预期的。我对结果 2) 和 3) 有点困惑。为什么 data 被复制了？

脚本

source

import multiprocessing as mp
import numpy as np
import logging
import os

logger = mp.log_to_stderr(logging.WARNING)

def free_memory():
    total = 0
    with open('/proc/meminfo', 'r') as f:
        for line in f:
            line = line.strip()
            if any(line.startswith(field) for field in ('MemFree', 'Buffers', 'Cached')):
                field, amount, unit = line.split()
                amount = int(amount)
                if unit != 'kB':
                    raise ValueError(
                        'Unknown unit {u!r} in /proc/meminfo'.format(u = unit))
                total += amount
    return total

def worker(i):
    x = data.sum()    # Exercise access to data
    logger.warn('Free memory: {m}'.format(m = free_memory()))

def main():
    procs = [mp.Process(target = worker, args = (i, )) for i in range(4)]
    for proc in procs:
        proc.start()
    for proc in procs:
        proc.join()

logger.warn('Initial free: {m}'.format(m = free_memory()))
N = 15000
data = np.ones((N,N))
logger.warn('After allocating data: {m}'.format(m = free_memory()))

if __name__ == '__main__':
    main()

详细结果

运行 1 输出

[WARNING/MainProcess] Initial free: 25.1 GB [WARNING/MainProcess] After allocating data: 23.3 GB [WARNING/Process-2] Free memory: 23.3 GB [WARNING/Process-4] Free memory: 23.3 GB [WARNING/Process-1] Free memory: 23.3 GB [WARNING/Process-3] Free memory: 23.3 GB

运行 2 输出

[WARNING/MainProcess] Initial free: 25.1 GB [WARNING/MainProcess] After allocating data: 21.9 GB [WARNING/Process-2] Free memory: 12.6 GB [WARNING/Process-4] Free memory: 12.7 GB [WARNING/Process-1] Free memory: 16.3 GB [WARNING/Process-3] Free memory: 17.1 GB

运行 3输出

[WARNING/MainProcess] Initial free: 25.1 GB [WARNING/MainProcess] After allocating data: 21.9 GB [WARNING/Process-2] Free memory: 12.6 GB [WARNING/Process-4] Free memory: 13.1 GB [WARNING/Process-1] Free memory: 14.6 GB [WARNING/Process-3] Free memory: 19.3 GB

Answer 1

它们都是写时复制。你缺少的是当你这样做时，例如，

for x in data:
    pass

data 中包含的每个对象的引用计数临时递增 1，一次一个，因为 x 依次绑定到每个对象。对于 int 对象，CPython 中的引用计数是基本对象布局的一部分，因此对象被复制（你 did 改变它，因为引用计数改变了）。

为了让事情更类似于 numpy.ones 的情况，尝试，例如，

data = [1] * 10**8

那么只有一个唯一对象被列表引用了很多次（10**8），所以几乎没有什么可以复制的（同一个对象的引用计数多次递增和递减）。

多处理：为什么在复制列表时与子进程共享一个 numpy 数组？

Multiprocessing: why is a numpy array shared with the child processes, while a list is copied?

python

fork

copy-on-write

python-2.7

python-multiprocessing