Використовуйте numpy масив у спільній пам'яті для багатопроцесорної обробки

Я хотів би використовувати масивний масив у спільній пам'яті для використання з багатопроцесорним модулем. Складність полягає в тому, щоб використовувати його як масив numpy, а не просто як масив ctypes.

from multiprocessing import Process, Array
import scipy

def f(a):
    a[0] = -a[0]

if __name__ == '__main__':
    # Create the array
    N = int(10)
    unshared_arr = scipy.rand(N)
    arr = Array('d', unshared_arr)
    print "Originally, the first two elements of arr = %s"%(arr[:2])

    # Create, start, and finish the child processes
    p = Process(target=f, args=(arr,))
    p.start()
    p.join()

    # Printing out the changed values
    print "Now, the first two elements of arr = %s"%arr[:2]

Це дає результат, такий як:

Originally, the first two elements of arr = [0.3518653236697369, 0.517794725524976]
Now, the first two elements of arr = [-0.3518653236697369, 0.517794725524976]

До масиву можна отримати доступ, наприклад, arr[i]має сенс. Однак це не нумерований масив, і я не можу виконувати такі операції, як -1*arr, або arr.sum(). Я припускаю, що рішенням було б перетворити масив ctypes в масивний масив. Однак (окрім того, що я не зможу зробити цю роботу), я не вірю, що це було б спільним.

Здається, було б стандартне рішення того, що повинно бути загальною проблемою.

Щоб додати відповіді @ unutbu (більше не доступні) та відповіді @Henry Gomersall. Ви можете використовувати shared_arr.get_lock()для синхронізації доступу при необхідності:

shared_arr = mp.Array(ctypes.c_double, N)
# ...
def f(i): # could be anything numpy accepts as an index such another numpy array
    with shared_arr.get_lock(): # synchronize access
        arr = np.frombuffer(shared_arr.get_obj()) # no data copying
        arr[i] = -arr[i]

Приклад

import ctypes
import logging
import multiprocessing as mp

from contextlib import closing

import numpy as np

info = mp.get_logger().info

def main():
    logger = mp.log_to_stderr()
    logger.setLevel(logging.INFO)

    # create shared array
    N, M = 100, 11
    shared_arr = mp.Array(ctypes.c_double, N)
    arr = tonumpyarray(shared_arr)

    # fill with random values
    arr[:] = np.random.uniform(size=N)
    arr_orig = arr.copy()

    # write to arr from different processes
    with closing(mp.Pool(initializer=init, initargs=(shared_arr,))) as p:
        # many processes access the same slice
        stop_f = N // 10
        p.map_async(f, [slice(stop_f)]*M)

        # many processes access different slices of the same array
        assert M % 2 # odd
        step = N // 10
        p.map_async(g, [slice(i, i + step) for i in range(stop_f, N, step)])
    p.join()
    assert np.allclose(((-1)**M)*tonumpyarray(shared_arr), arr_orig)

def init(shared_arr_):
    global shared_arr
    shared_arr = shared_arr_ # must be inherited, not passed as an argument

def tonumpyarray(mp_arr):
    return np.frombuffer(mp_arr.get_obj())

def f(i):
    """synchronized."""
    with shared_arr.get_lock(): # synchronize access
        g(i)

def g(i):
    """no synchronization."""
    info("start %s" % (i,))
    arr = tonumpyarray(shared_arr)
    arr[i] = -1 * arr[i]
    info("end   %s" % (i,))

if __name__ == '__main__':
    mp.freeze_support()
    main()

Якщо вам не потрібен синхронізований доступ або ви створюєте власні блокування, то mp.Array()це зайве. Ви можете використовувати mp.sharedctypes.RawArrayв цьому випадку.

ArrayОб'єкт має get_obj()метод , пов'язаний з ним, який повертає масив ctypes який представляє інтерфейс буфера. Я думаю, що наступне має працювати ...

from multiprocessing import Process, Array
import scipy
import numpy

def f(a):
    a[0] = -a[0]

if __name__ == '__main__':
    # Create the array
    N = int(10)
    unshared_arr = scipy.rand(N)
    a = Array('d', unshared_arr)
    print "Originally, the first two elements of arr = %s"%(a[:2])

    # Create, start, and finish the child process
    p = Process(target=f, args=(a,))
    p.start()
    p.join()

    # Print out the changed values
    print "Now, the first two elements of arr = %s"%a[:2]

    b = numpy.frombuffer(a.get_obj())

    b[0] = 10.0
    print a[0]

Під час запуску це виводить перший елемент, який aнаразі становить 10,0, показуючи aі bє лише двома видами в одну пам'ять.

Для того, щоб переконатися, що це все-таки багатопроцесорний безпечний, я вважаю, що вам доведеться використовувати acquireі releaseметоди, які існують на Arrayоб'єкті a, і його вбудований замок, щоб переконатися в його безпечному доступі (хоча я не фахівець з питань багатопроцесорний модуль).

Незважаючи на те, що відповіді вже хороші, існує набагато простіше рішення цієї проблеми за умови дотримання двох умов:

1. Ви знаходитесь в операційній системі, сумісній з POSIX (наприклад, Linux, Mac OSX); і
2. Ваші дочірні процеси потребують доступу лише до читання до спільного масиву.

У цьому випадку вам не потрібно поспілкуватися з явним поділом змінних, оскільки дочірні процеси будуть створені за допомогою вилки. Дитина, що роздвоєна, автоматично розділяє простір пам’яті батьків. У контексті багатопроцесорної обробки Python це означає, що він розділяє всі змінні рівня модуля ; зауважте, що це не стосується аргументів, які ви явно передаєте вашим дочірнім процесам або функціям, які ви викликаєте на multiprocessing.Poolабо так.

Простий приклад:

import multiprocessing
import numpy as np

# will hold the (implicitly mem-shared) data
data_array = None

# child worker function
def job_handler(num):
    # built-in id() returns unique memory ID of a variable
    return id(data_array), np.sum(data_array)

def launch_jobs(data, num_jobs=5, num_worker=4):
    global data_array
    data_array = data

    pool = multiprocessing.Pool(num_worker)
    return pool.map(job_handler, range(num_jobs))

# create some random data and execute the child jobs
mem_ids, sumvals = zip(*launch_jobs(np.random.rand(10)))

# this will print 'True' on POSIX OS, since the data was shared
print(np.all(np.asarray(mem_ids) == id(data_array)))

Я написав невеликий модуль python, який використовує POSIX спільну пам’ять для обміну численними масивами між інтерпретаторами python. Можливо, вам це стане в нагоді.

https://pypi.python.org/pypi/SharedArray

Ось як це працює:

import numpy as np
import SharedArray as sa

# Create an array in shared memory
a = sa.create("test1", 10)

# Attach it as a different array. This can be done from another
# python interpreter as long as it runs on the same computer.
b = sa.attach("test1")

# See how they are actually sharing the same memory block
a[0] = 42
print(b[0])

# Destroying a does not affect b.
del a
print(b[0])

# See how "test1" is still present in shared memory even though we
# destroyed the array a.
sa.list()

# Now destroy the array "test1" from memory.
sa.delete("test1")

# The array b is not affected, but once you destroy it then the
# data are lost.
print(b[0])

Ви можете використовувати sharedmemмодуль: https://bitbucket.org/cleemesser/numpy-sharedmem

Ось ваш початковий код тоді, цього разу з використанням спільної пам’яті, яка веде себе як масив NumPy (зверніть увагу на додаткове останнє твердження, що викликає функцію NumPy sum()):

from multiprocessing import Process
import sharedmem
import scipy

def f(a):
    a[0] = -a[0]

if __name__ == '__main__':
    # Create the array
    N = int(10)
    unshared_arr = scipy.rand(N)
    arr = sharedmem.empty(N)
    arr[:] = unshared_arr.copy()
    print "Originally, the first two elements of arr = %s"%(arr[:2])

    # Create, start, and finish the child process
    p = Process(target=f, args=(arr,))
    p.start()
    p.join()

    # Print out the changed values
    print "Now, the first two elements of arr = %s"%arr[:2]

    # Perform some NumPy operation
    print arr.sum()