多处理：为什么与子进程共享 numpy 数组，而复制列表？

我用过这个script https://stackoverflow.com/questions/13121790/using-multiprocessing-manager-list-instead-of-a-real-list-makes-the-calculation（参见最后的代码）来评估当父进程被分叉时全局对象是否被共享或复制。

简而言之，该脚本创建了一个全局data对象，子进程迭代data。该脚本还监视内存使用情况，以评估对象是否在子进程中被复制。

结果如下：

1. data = np.ones((N,N))。子进程中的操作：data.sum()。结果：data is shared（无副本）
2. data = list(range(pow(10, 8)))。子进程中的操作：sum(data)。结果：data is copied.
3. data = list(range(pow(10, 8)))。子进程中的操作：for x in data: pass。结果：data is copied.

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

Script

source https://stackoverflow.com/questions/13121790/using-multiprocessing-manager-list-instead-of-a-real-list-makes-the-calculation

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

它们都是写时复制。你所缺少的是，当你这样做时，例如，

for x in data:
    pass

中包含的每个对象的引用计数data暂时加 1，一次一个，如下x依次绑定到每个对象。为了int对象，CPython 中的引用计数是基本对象布局的一部分，因此对象会被复制（您did改变它，因为引用计数发生了变化）。

为了使一些东西更类似于numpy.ones案例，尝试，例如，

data = [1] * 10**8

那么只有一个唯一的对象引用了许多（10**8) 次列表，因此几乎没有什么需要复制（同一对象的引用计数会多次递增和递减）。