Python 的多处理 SharedMemory 以内存损坏结束

Question

我正在尝试使用队列将 SharedMemory 引用传递给已经运行ning 的进程。问题是，一旦我在另一个进程上收到（或获取）SharedMemory 对象，对应的内存块似乎根本不匹配，甚至大小太大。

import numpy as np
import multiprocessing as mp
from multiprocessing.shared_memory import SharedMemory


def f(q):
    shared_memory = q.get()
    print(f"In Process: {shared_memory=}")
    x = np.frombuffer(buffer=shared_memory.buf, dtype=np.float64)
    print(f"In Process: {x=}")


if __name__ == '__main__':
    temp_array = np.arange(8)
    print(f"Main: {temp_array=}")
    smh = SharedMemory(create=True, size=temp_array.nbytes)
    print(f"Main: {smh=}")
    fix_array = np.frombuffer(buffer=smh.buf, dtype=temp_array.dtype)
    fix_array[:] = temp_array[:]
    print(f"Main: {fix_array=}")

    queue = mp.Queue()
    proc = mp.Process(target=f, args=(queue,))
    proc.start()

    queue.put(smh)

如果我运行此代码输出以下内容：

Main: temp_array=array([0, 1, 2, 3, 4, 5, 6, 7])
Main: smh=SharedMemory('wnsm_2202c81b', size=32)
Main: fix_array=array([0, 0, 0, 0, 0, 0, 0, 0])
In Process: shared_memory=SharedMemory('wnsm_2202c81b', size=4096)
In Process: x=array([0., (weird very small numbers and many many zeros...), 0.])

我希望能取回原件 temp_array=array([0, 1, 2, 3, 4, 5, 6, 7])

根据文档，内存大小可能不匹配。此外，我用一个包含 1e6 个项目的数组对其进行了测试，仅传递 SharedMemory 的名称并使用 Pipe 而不是 Queue 但仍然相同。

我是不是做错了什么或者这是一个错误？

（我在 Windows 10 Build 19043，Python 3.9.6 64 位）

Answer 1

感谢@Timus

我觉得最好分成两个问题来解决：

问题一，奇怪的数字：

If you adjust the definition of f by x = np.frombuffer(buffer=shared_memory.buf, dtype=np.int32) you'll get your numbers back (that was the initial type).

正如@Timus 所指出的，错误是数据类型不匹配： np.arange() returns 带有 dtype=np.int32 的 np.ndarray 但我试图获得带有 dtype=np.float64 的数组，因此结果错误。

修复：

@Timus 的解决方案或将 dtype=np.float64 添加为 np.arange() 的参数，以便它读取： temp_array = np.arange(8, dtype=np.float)

问题 2， 数组太长：

根据 Python Docs，SharedMemory.size 可能比原来大。因此，数组的长度也可能不同。

修复/解决方法：

Trim 数组到它的原始大小，例如通过使用 numpy.resize()。为此，还需要将原始 shape 传递给 f()。虽然这对我来说很好，但以下几点可能对其他人来说是个问题：由于 x 只是缓冲区的视图，因此 np.ndarray.resize() 不可用（它不拥有自己的数据）。使用 numpy.resize()，将创建一个副本，并且 对调整大小的副本所做的更改不会反映在主进程中 ！为此，可以将 x_resized 的值复制回 x.

固定代码现在如下所示：

import multiprocessing as mp
from multiprocessing.shared_memory import SharedMemory

import numpy as np

def f(q):
    shared_memory, shape = q.get()  # the shape is passed here
    x = np.frombuffer(buffer=shared_memory.buf, dtype=np.float64)  # dtype matches
    # x = np.trim_zeros(x, "b"), this doesn't work if there are zeros in the dataset
    x_resized = np.resize(x, new_shape=shape)  # changes not reflected on main process

    ###
    # make things to x_resized
    ###

    x[:8] = x_resized[:] # copy changes back to x

if __name__ == '__main__':
    temp_array = np.arange(8, dtype=np.float64) # dtype is correctly specified
    
    smh = SharedMemory(create=True, size=temp_array.nbytes)
    fix_array = np.frombuffer(buffer=smh.buf, dtype=temp_array.dtype)
    fix_array[:] = temp_array[:]

    queue = mp.Queue()
    proc = mp.Process(target=f, args=(queue,))
    proc.start()

    queue.put((smh, temp_array.shape)) # passing the original shape

奇怪的是，虽然第二个过程中的 x 太长了，但在主过程中 fix_array 仍然保持正确的大小...

Python 的多处理 SharedMemory 以内存损坏结束

Python's multiprocessing SharedMemory ending in memory corruption

python

python-multiprocessing

shared-memory

python-3.9

memory-corruption