多处理中的共享内存
在Python的多处理模块中，大数据结构是否在进程之间共享或复制的问题是值得关注的。
最初的担忧
当使用 multiprocessing.Process 创建多个进程并传入大型列表作为参数时，需要关心的是这些列表是为每个进程复制还是在进程之间共享他们。如果每个进程都进行复制，可能会显着增加内存使用量。
写入时复制
Linux 使用写入时复制方法，这意味着数据在被修改之前不会被物理复制。这表明每个子进程的列表不会重复。
引用计数
但是，访问对象会更新其引用计数。如果子进程访问列表元素，其引用计数就会增加。因此，不清楚是否会复制整个对象（列表）。
内存使用情况监控
观察表明整个对象实际上是每个子进程都有重复，可能是由于引用计数。如果列表无法修改并且它们的引用计数始终为正，则这是有问题的。
Python 3.8.0 中的共享内存
Python 3.8.0 引入了“true”使用 multiprocessing.shared_memory 模块共享内存。这允许显式创建可以从多个进程访问的共享内存对象，而无需复制。
总之，Linux 中的写时复制方法降低了复制大型数据结构的可能性，但引用计数可以导致实际的复制。在 Python 3.8.0 中使用“真正的”共享内存通过提供创建显式共享对象的机制解决了这个问题。
以上是Python 的多重处理中是否共享或复制大型数据结构？的详细内容。更多信息请关注PHP中文网其他相关文章！
