python - 在多处理期间保持统一计数？

Question

我有一个运行蒙特卡洛模拟的 Python 程序来寻找概率问题的答案。我正在使用多处理，这里是伪代码

import multiprocessing

def runmycode(result_queue):
    print "Requested..."
    while 1==1:
       iterations +=1
    if "result found (for example)":
        result_queue.put("result!")

    print "Done"

processs = []
result_queue = multiprocessing.Queue()

for n in range(4): # start 4 processes
    process = multiprocessing.Process(target=runmycode, args=[result_queue])
    process.start()
    processs.append(process)

print "Waiting for result..."

result = result_queue.get() # wait

for process in processs: # then kill them all off
    process.terminate()

print "Got result:", result

我想对此进行扩展，以便我可以统一计算已运行的迭代次数。就像如果线程 1 运行了 100 次并且线程 2 运行了 100 次那么我想显示总共 200 次迭代，作为控制台的打印。我指的是线程进程中的 iterations 变量。我怎样才能确保所有线程都添加到同一个变量？我认为使用 iterations 的 Global 版本会奏效，但事实并非如此。

Answer 1

普通的全局变量不像在线程之间共享那样在进程之间共享。您需要使用过程感知数据结构。对于您的用例，一个 multiprocessing.Value应该工作正常:

import multiprocessing

def runmycode(result_queue, iterations):
   print("Requested...")
   while 1==1: # This is an infinite loop, so I assume you want something else here
       with iterations.get_lock(): # Need a lock because incrementing isn't atomic
           iterations.value += 1
   if "result found (for example)":
       result_queue.put("result!")

   print("Done")


if __name__ == "__main__":
    processs = []
    result_queue = multiprocessing.Queue()

    iterations = multiprocessing.Value('i', 0)
    for n in range(4): # start 4 processes
        process = multiprocessing.Process(target=runmycode, args=(result_queue, iterations))
        process.start()
        processs.append(process)

    print("Waiting for result...")

    result = result_queue.get() # wait

    for process in processs: # then kill them all off
        process.terminate()

    print("Got result: {}".format(result))
    print("Total iterations {}".format(iterations.value))

一些注意事项:

1. 我明确地将 Value 传递给子级，以保持代码与 Windows 兼容，Windows 不能在父级和子级之间共享读/写全局变量。
2. 我用锁保护增量，因为它不是原子操作，并且容易出现竞争条件。
3. 我添加了一个 if __name__ == "__main__": 守卫，同样是为了帮助实现 Windows 兼容性，并且作为一般的最佳实践。