目的

可以使用multiprocessing库中的Array来实现多进程共享Array。multiprocessing库是一个用于实现多进程编程的库，提供了与多进程有关的同步，通信和进程管理等功能。在这个库中，有一个Array类，用于创建一个多进程共享的数组。这样，每个进程都可以访问这个共享的数组，从而实现数据共享和同步。

基础知识介绍

1. multiprocessing.Array

multiprocessing.Array是Python的多进程库中的一个数组对象，它用于在多个进程之间共享数组数据。Array类型是在共享内存中实现的，每个进程可以操作该数组的值。这是在多个进程间同步数据的一种常用方法，因为它们在同一内存中运行。

使用multiprocessing.Array，你可以创建一个共享的数组，并在多个进程中读取和修改数组的值。通过使用该模块，您可以避免将数组通过管道或套接字从一个进程传递到另一个进程的问题。

1. multiprocessing.Array 函数接受以下参数：

• typecode：字符串，表示数组元素的数据类型。可用的数据类型包括 'b'（布尔），'i'（整数），'f'（浮点数），'c'（单字符），'u'（Unicode字符）等。

• size：整数，表示数组的大小。

• lock：布尔值，指示是否应该为数组元素创建锁（锁定）。

以上参数中，前两个是必需的，而后一个是可选的。

python多进程共享一维Array

举个例子，你可以使用multiprocessing库中的Array创建一个整型数组，并在两个进程中分别执行读取和写入操作，从而实现多进程共享Array。

代码

from multiprocessing import Process, Array
import timedef print_array(arr, n):while True:for i in range(n):print("Process {}: {}".format(i, arr[i]))time.sleep(1)test_count = 1def set_array(arr, n):global test_countwhile True:for i in range(n):arr[i] = i + test_counttime.sleep(1)test_count += 1print(test_count)if __name__ == "__main__":arr = Array('i', [0, 0, 0, 0, 0, 0, 0, 0, 0])n = len(arr)process1 = Process(target=print_array, args=(arr, n))process2 = Process(target=set_array, args=(arr, n))process1.start()process2.start()process1.join()process2.join()

这段代码创建了两个进程：一个打印数组的进程（print_array）和一个设置数组的进程（set_array）。这两个进程同时运行，互不影响。

print_array 进程通过一个循环打印数组中的每一个元素，并在每次循环之后等待 1 秒。

set_array 进程通过一个循环设置数组中的每一个元素，并在每次循环之后等待 1 秒。它设置的数组的每一个元素的值都是经过累加的。

通过 Array 对象，两个进程共享同一个数组。需要注意的是，在 Python 中多进程之间共享数据时需要特殊处理，以保证同步与数据完整性。这里使用的 multiprocessing.Array 可以方便地共享数组。

程序的主流程是创建两个进程，启动它们并等待它们结束。当两个进程都结束后，程序结束。

运行结果

Process 0: 0
Process 1: 0
Process 2: 0
Process 3: 0
Process 4: 0
Process 5: 0
Process 6: 0
Process 7: 0
Process 8: 0
2
Process 0: 1
Process 1: 3
Process 2: 4
Process 3: 5
Process 4: 6
Process 5: 7
Process 6: 8
Process 7: 9
Process 8: 10
Process 0: 2
Process 1: 3
Process 2: 4
3Process 3: 5Process 4: 6
Process 5: 7
Process 6: 8
Process 7: 9
Process 8: 10
4
Process 0: 3
Process 1: 4
Process 2: 6
Process 3: 7
Process 4: 8
Process 5: 9
Process 6: 10
Process 7: 11
Process 8: 12

python多进程共享多维Array

在 Python 中，使用multiprocessing模块的Array来共享多维数组在多进程中需要用到一些特殊的技巧。

首先，你需要定义一个共享内存，并在多个进程中共享该内存。例如，如果你想要共享一个3维数组，可以定义一个二维共享内存数组，然后再在每个进程中访问它，它仍然是共享的。

下面是一个示例代码，该代码演示了如何在两个进程中共享一个3维数组：

代码

from multiprocessing import Process, Array
import time
import numpy as npdef print_array(arr, shape):while True:print("Process: \n")print(np.array(arr).reshape(shape))time.sleep(1)def set_array(arr, shape):while True:np.random.shuffle(arr)time.sleep(1)print("Shuffled the array")if __name__ == "__main__":shape = (2, 3, 4)arr = Array('d', np.arange(np.prod(shape)))process1 = Process(target=print_array, args=(arr, shape))process2 = Process(target=set_array, args=(arr, shape))process1.start()process2.start()process1.join()process2.join()

在上面的代码中，我们使用了multiprocessing库中的Array来实现多进程共享一个3维数组，它们可以在两个独立的进程中读取和修改这个数组。打印结果可能是一个不断变化的3维数组，每隔1秒进行重新洗牌。

运行结果

Process:
[[[ 0.  1.  2.  3.][ 4.  5.  6.  7.][ 8.  9. 10. 11.]][[12. 13. 14. 15.][16. 17. 18. 19.][20. 21. 22. 23.]]]

警告信息

UserWarning: you are shuffling a 'SynchronizedArray' object which is not a subclass of 'Sequence'; `shuffle` is not guaranteed to behave correctly. E.g., non-numpy array/tensor objects with view semantics may contain duplicates after shuffling.

np.random.shuffle(arr)

np.random.shuffle是numpy库中的一个函数，它可以对一维数组进行随机打乱。

语法：

numpy.random.shuffle(x)

参数：

• x：需要打乱的一维数组。

返回值：

• 无返回值，直接对数组进行打乱。

该函数在使用时需要注意，不保证所有情况下都会正确实现。例如，具有视图语义的非numpy数组/张量对象在洗牌后可能会包含重复的元素。