マルチプロセッシングのために共有メモリでnumpy配列を使用する

マルチプロセッシングモジュールで使用するために、共有メモリでnumpy配列を使用したいと思います。問題は、それをctypes配列としてだけでなく、numpy配列のように使用することです。

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]

これにより、次のような出力が生成されます。

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

配列にはctypesの方法でアクセスできますarr[i]。しかし、それは派手な配列ではなく-1*arr、または、などの操作を実行できませんarr.sum()。解決策はctypes配列をnumpy配列に変換することだと思います。ただし、（この作業を行うことができないことを除いて）それが共有されるとは思わない。

よくある問題の標準的な解決策があるようです。

@unutbuの（もう利用できません）と@Henry Gomersallの回答に追加します。shared_arr.get_lock()必要なときにアクセスを同期するために使用できます。

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]

例

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()

同期アクセスが必要ない場合、または独自のロックを作成する場合mp.Array()は不要です。mp.sharedctypes.RawArrayこの場合に使用できます。

Arrayオブジェクトが有するget_obj()バッファインタフェースを提示ctypesの配列を返し、それに関連する方法を、。私は以下がうまくいくと思います...

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]

実行すると、この最初の要素うち版画a今、10.0であることを示すaとはb同じメモリにちょうど2つのビューがあります。

それがマルチプロセッサに対して安全であることを確認するために、オブジェクト、およびその組み込みロックに存在するacquireおよびreleaseメソッドを使用して、すべてが安全にアクセスされることを確認する必要があると思います（私はの専門家ではありません）マルチプロセッサモジュール）。Arraya

すでに与えられた答えは良いですが、2つの条件が満たされていれば、この問題のはるかに簡単な解決策があります。

1. あなたは上にあるPOSIX準拠のオペレーティングシステム（例えばLinuxでは、マックOSX）。そして
2. 子プロセスには、共有配列への読み取り専用アクセスが必要です。

この場合、子プロセスはforkを使用して作成されるため、変数を明示的に共有する必要はありません。分岐した子は自動的に親のメモリ空間を共有します。Pythonマルチプロセッシングのコンテキストでは、これはすべてのモジュールレベルの変数を共有することを意味します。これは、子プロセスまたは明示的に呼び出す関数に明示的に渡す引数には適用されないことに注意してくださいmultiprocessing.Pool。

簡単な例：

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)))

POSIX共有メモリを使用してpythonインタープリター間でnumpy配列を共有する小さなpythonモジュールを作成しました。多分それは便利でしょう。

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

仕組みは次のとおりです。

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])

次のsharedmemモジュールを使用できます：https : //bitbucket.org/cleemesser/numpy-sharedmem

次に、元のコードを示します。今回は、NumPy配列のように動作する共有メモリを使用します（NumPy sum()関数を呼び出す最後のステートメントに注意してください）。

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()