Python多进程编程入门：Value与Array实现高效共享内存（详解multiprocessing.Value和multiprocessing.Array用法）

1. 使用 multiprocessing.Value 共享单个值

multiprocessing.Value 用于在多个进程之间共享一个简单的值，比如整数、浮点数或字符。

下面是一个简单的例子，两个子进程同时对一个共享整数进行加1操作：

import multiprocessingimport timedef worker(shared_value, worker_id):    for _ in range(5):        shared_value.value += 1        print(f"Worker {worker_id}: {shared_value.value}")        time.sleep(0.1)if __name__ == "__main__":    # 创建一个共享的整数，初始值为0    shared_counter = multiprocessing.Value('i', 0)  # 'i' 表示整型    # 创建两个进程    p1 = multiprocessing.Process(target=worker, args=(shared_counter, 1))    p2 = multiprocessing.Process(target=worker, args=(shared_counter, 2))    p1.start()    p2.start()    p1.join()    p2.join()    print(f"Final value: {shared_counter.value}")

注意：'i' 是类型代码，表示有符号整型。常见的类型代码包括：

• 'i'：整型（int）
• 'd'：双精度浮点数（double）
• 'c'：字符（char）

2. 使用 multiprocessing.Array 共享数组

multiprocessing.Array 用于在多个进程之间共享一个一维数组。

下面的例子展示了两个进程如何分别修改数组中的不同元素：

import multiprocessingdef update_array(shared_array, index, value):    shared_array[index] = value    print(f"Process updated index {index} to {value}")if __name__ == "__main__":    # 创建一个长度为5的共享整型数组，初始值全为0    shared_arr = multiprocessing.Array('i', [0] * 5)    processes = []    for i in range(5):        p = multiprocessing.Process(target=update_array, args=(shared_arr, i, i * 10))        processes.append(p)        p.start()    for p in processes:        p.join()    print("Final array:", list(shared_arr))

3. 注意线程安全问题

虽然 Value 和 Array 提供了共享内存，但它们本身不是线程安全的！如果多个进程同时读写同一个位置，可能会出现竞态条件（race condition）。

解决方法是使用锁（Lock）。幸运的是，Value 和 Array 都支持自动创建锁：

# 创建带锁的共享值shared_value = multiprocessing.Value('i', 0, lock=True)# 或者显式使用锁with shared_value.get_lock():    shared_value.value += 1

总结

通过本文，你已经学会了如何使用 multiprocessing.Value 和 multiprocessing.Array 在Python多进程程序中实现高效的Python共享内存。这些工具是构建高性能并行程序的基础，特别适用于需要在进程间传递简单数据的场景。

记住关键点：

• 使用 Value 共享单个值
• 使用 Array 共享一维数组
• 注意并发访问时的线程安全问题，必要时使用锁
• 这是实现Python进程间通信的轻量级方式之一

希望这篇教程能帮助你轻松掌握 Python共享内存 的核心概念！快去试试吧～