（Python 多处理）如何访问与 multiprocessing.shared_memory.SharedMemory 共享的数组？

Question

我正在尝试了解 multiprocessing.shared_memory.SharedMemory 的工作原理。我尝试运行来自 https://docs.python.org/3/library/multiprocessing.shared_memory.html 的第二个示例 - 但它似乎没有像宣传的那样工作：

Python 3.8.0 (tags/v3.8.0:fa919fd, Oct 14 2019, 19:37:50) [MSC v.1916 64 bit (AMD64)] on win32
>>> # In the first Python interactive shell
>>> import numpy as np
>>> a = np.array([1, 1, 2, 3, 5, 8])  # Start with an existing NumPy array
>>> from multiprocessing import shared_memory
>>> shm = shared_memory.SharedMemory(create=True, size=a.nbytes)
>>> # Now create a NumPy array backed by shared memory
>>> b = np.ndarray(a.shape, dtype=a.dtype, buffer=shm.buf)
>>> b[:] = a[:]  # Copy the original data into shared memory
>>> b
array([1, 1, 2, 3, 5, 8])
>>> type(b)
<class 'numpy.ndarray'>
>>> type(a)
<class 'numpy.ndarray'>
>>> shm.name
'wnsm_e3abbd9a'

到目前为止，还不错。但是，当我尝试访问这个共享数组时，问题就出现了，无论是在同一台机器上的相同的还是新的 Python shell:

>>> # In either the same shell or a new Python shell on the same machine
>>> import numpy as np
>>> from multiprocessing import shared_memory
>>> # Attach to the existing shared memory block
>>> existing_shm = shared_memory.SharedMemory(name='wnsm_e3abbd9a')
>>> # Note that a.shape is (6,) and a.dtype is np.int64 in this example
>>> c = np.ndarray((6,), dtype=np.int64, buffer=existing_shm.buf)
>>> c
array([ 4294967297, 12884901890, 34359738373,           0,           0,
                 0], dtype=int64)

这显然不是原来共享的数组。请注意，我只是直接从文档中复制粘贴示例，仅更改共享内存块的名称。有趣的是，即使我在切换到第二个 Python shell.

之前没有创建数组“b”或将“a”复制到其中，也会发生同样的事情

最后，在第二个 shell 中更改数组的最后一个元素正常工作：

>>> c[-1] = 888
>>> c
array([ 4294967297, 12884901890, 34359738373,           0,           0,
               888], dtype=int64)

但不影响第一个shell中的原始数组：

>>> # Back in the first Python interactive shell, b reflects this change
>>> b
array([1, 1, 2, 3, 5, 8])

有谁知道为什么会这样，或者我（以及官方文档）做错了什么？

谢谢！

Answer 1

在这里找到答案：https://bugs.python.org/issue39655

Windows 中 ndarray 的默认 dtype 是 int32，而不是 int64。示例在更改后有效。

（开发人员很高兴没有在文档中提及这一点，尽管此问题已作为错误提交并已关闭。）

（Python 多处理）如何访问与 multiprocessing.shared_memory.SharedMemory 共享的数组？

(Python multiprocessing) How can I access an array shared with multiprocessing.shared_memory.SharedMemory?

python

shared-memory

multiprocessing