消失的全局变量

在《【Python】线程间同步的实现与代码》中，演示了使用多线程对全局变量进行加法操作的代码，现在我们修改一下代码，使用多进程来实现这一操作：

import multiprocessing

def add(lock):
    """ num 数值每次加 1，执行 100000 次"""
    global num
    for _ in range(100000):
        if lock.acquire():
            num += 1
            lock.release()

if __name__ == "__main__":
    num = 0
    lock = multiprocessing.Lock()  # 创建一个锁

    p1 = multiprocessing.Process(target= add, args=(lock, ))
    p2 = multiprocessing.Process(target= add, args=(lock, ))

    # 开始进程
    p1.start()
    p2.start()

    # 等待进程结束
    p1.join()
    p2.join()

    print(num)

运行代码，我们会发现，程序报错了：NameError: name 'num' is not defined

为什么会出现这种情况呢？回忆一下操作系统里的内容：

线程是操作系统资源分配的基本单位

也就是说， num 这个变量只存在与主线程中，而新创建的 p1 和 p2 进程不能直接访问主进程的资源，所以找不到 num 这个变量。

进程之间共享对象 - 共享内存

multiprocessing 中提供了 Value 和 Array，可以将数据存储在共享内存映射中，供全部进程访问。下面，我们将 num 这个变量的值保存在共享内存映射中：

import multiprocessing

def add(n, lock):
    """ num 数值每次加 1，执行 100000 次"""
    for _ in range(100000):
        if lock.acquire():
            n.value += 1
            lock.release()
            
if __name__ == "__main__":
    num = multiprocessing.Value('i', 0)
    lock = multiprocessing.Lock()  # 创建一个锁

    p1 = multiprocessing.Process(target= add, args=(num, lock, ))
    p2 = multiprocessing.Process(target= add, args=(num, lock, ))

    # 开始进程
    p1.start()
    p2.start()

    # 等待进程结束
    p1.join()
    p2.join()

    print(num.value)    #200000

multiprocessing.Value(typecode_or_type, *args, lock=True) 返回一个从共享内存上创建的 ctypes 对象。可以通过 value 属性访问这个对象本身。

typecode_or_type ：返回的对象类型，如 i(int),f(float),d(doble)
lock
- 默认值为 True, 此时会新建一个递归锁用于同步对于此值的访问操作。
- 如果是 Lock 或者 RLock 对象，那么这个传入的锁将会用于同步对这个值的访问操作
- 如果是 False , 那么对这个对象的访问将没有锁保护，也就是说这个变量不是进程安全的

multiprocessing.Array(typecode_or_type, size_or_initializer, * , *lock=True*) 与 Value() 相似，只不过 Value() 的第二个参数会被当作初始值，而 Array() 的第二个参数，如果是一个整数，那就会当做数组的长度，并且整个数组的内存会初始化为0。否则，会被当成一个序列用于初始化数组中的每一个元素。

由于 Value() 默认会新建一个递归锁用于同步对于此值的访问操作，所以，我们可以将 add 函数简化为：

def add(n):
    """ num 数值每次加 1，执行 1000 次"""
    for _ in range(1000):
        with n.get_lock():
            n.value += 1

进程之间共享对象 - 服务进程

除了共享内存的方式，另一种进程间共享对象的方式是使用服务进程：由 Manager() 返回的管理器对象控制一个服务进程，该进程保存Python对象并允许其他进程使用代理操作它们。

Manager() 返回的管理器支持的类型有： list、 dict、 Namespace 、 Lock、 RLock、 Semaphore、 BoundedSemaphore、 Condition 、 Event、 Barrier、 Queue、 Value 和 Array。

下面，我们使用 Manager() 来实现加一的操作：

import multiprocessing

def add(n, lock):
    """ num 数值每次加 1，执行 1000 次"""
    for _ in range(1000):
        if lock.acquire():
            n.value += 1
            lock.release()

if __name__ == "__main__":

    lock = multiprocessing.Lock()  # 创建一个锁

    with multiprocessing.Manager() as manager:
        num = manager.Value('i', 0)

        p1 = multiprocessing.Process(target= add2, args=(num, lock))
        p2 = multiprocessing.Process(target= add2, args=(num, lock))

        # 开始进程
        p1.start()
        p2.start()

        # 等待进程结束
        p1.join()
        p2.join()

        print(num.value)   # 2000

【Python】多进程-进程间共享对象

消失的全局变量

进程之间共享对象 - 共享内存

进程之间共享对象 - 服务进程