多处理中的共享内存

多处理中的共享内存

一般来说，共有两种数据共享方式：

• 多线程
• 共享内存

Python的多线程不适用于受CPU约束的任务（由于GIL），因此在这种情况下，通常的解决方案是继续

multiprocessing

。但是，使用此解决方案，您需要使用

multiprocessing.Value

和显式共享数据

multiprocessing.Array

。

注意，由于所有同步问题，通常在进程之间共享数据可能不是最佳选择。通常，涉及参与者交换消息的方法是更好的选择。另请参阅Python文档：

如上所述，在进行并行编程时，通常最好尽可能避免使用共享状态。使用多个进程时尤其如此。

但是，如果确实需要使用某些共享数据，则多处理提供了两种方法。

在您的情况下，您需要包装

l1

，

l2

并

l3

以某种可以理解的方式

multiprocessing

（例如通过使用

multiprocessing.Array

）进行包装，然后将它们作为参数传递。
还要注意，正如您所说的那样，您不需要写访问权限，那么您应该

lock=False

在创建对象时通过，否则所有访问仍将被序列化。