多重处理:为什么在复制列表时，numpy数组与子进程共享？

Question

我使用这个script (请参阅末尾的代码)来评估父进程分叉时是否共享或复制了全局对象。

简单地说，脚本创建一个全局data对象，子进程在data上迭代。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。

以下是研究结果：

1. data = np.ones((N,N))。子进程中的操作：data.sum()。结果：data是共享的(没有副本)
2. data = list(range(pow(10, 8)))。子进程中的操作：sum(data)。结果：data为复制。
3. data = list(range(pow(10, 8)))。子进程中的操作：for x in data: pass。结果：data为复制。

结果1)预期由于抄写。我对结果感到有点困惑。为什么要复制data？

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

他们都是抄写的。你所缺少的是，当你这样做的时候，

for x in data:
    pass

data中包含的每个对象的引用计数暂时增加1，每次增加一个，因为x依次绑定到每个对象。对于int对象，CPython中的refcount是基本对象布局的一部分，因此该对象将被复制(您确实对其进行了变异，因为refcount发生了变化)。

为了使事情更类似于numpy.ones的情况，尝试，例如，

data = [1] * 10**8

然后只有一个唯一的对象被列表引用了很多次(10**8)，所以几乎没有什么可复制的了(相同对象的refcount被多次递增和减少)。