python多进程中的内存复制(实例讲解)

比较好奇python对于多进程中copy on write机制的实际使用情况。目前从实验结果来看，python 使用multiprocessing来创建多进程时，无论数据是否不会被更改，子进程都会复制父进程的状态(内存空间数据等)。所以如果主进程耗的资源较多时，不小心就会造成不必要的大量的内存复制，从而可能导致内存爆满的情况。

示例

举个例子，假设主进程读取了一个大文件对象的所有行，然后通过multiprocessing创建工作进程，并循环地将每一行数据交给工作进程来处理：

def parse_lines(args):
#working
...
def main_logic():
f = open(filename , 'r')
lines = f.readlines()
f.close()
pool = multiprocessing.Pool(processes==4)
rel = pool.map(parse_lines , itertools.izip(lines , itertools.repeat(second_args)) , int(len(lines)/4))
pool.close()
pool.join()

以下是top及ps结果：

(四个子进程)

(父进程及四个子进程)

由上两张图可以看出父进程及子进程都各自占用了1.4G左右的内存空间。而大部分内存空间存储的是读数据lines，所以这样的内存开销太浪费。

优化计划

1: 在主进程初期未导入大量的py库之前创建进程，或者动态加载py库。

2:通过内存共享来减少内存的开销。

3: 主进程不再读取文件对象，交给每个工作进程去读取文件中的相应部分。

改进代码：

def line_count(file_name):
count = -1 #让空文件的行号显示0
for count,line in enumerate(open(file_name)): pass
#enumerate格式化成了元组,count就是行号,因为从0开始要+1
return count+1
def parse_lines(args):
f = open(args[0] , 'r')
lines = f.readlines()[args[1]:args[2]] #read some lines
f.close()
#working
def main_logic(filename,process_num):
line_count = line_count(filename)
avg_len = int(line_count/process_num)
left_cnt = line_count％process_num;
pool = multiprocessing.Pool(processes=process_num)
for i in xrange(0,process_num):
 ext_cnt = (i>=process_num-1 and [left_cnt] or [0])[0]
 st_line = i*avg_len
 pool.apply_async(parse_lines, ((filename, st_line, st_line+avg_len+ext_cnt),)) #指定进程读某几行数据
pool.close()
pool.join()

再次用top或者ps来查看进程的内存使用情况：

(四个子进程)

(父进程及四个子进程)

小结

对比两次的内存使用情况，改进代码后父进程及子进程所占用的内存明显减少；所有内存占用相当于原来的一半，这就是减少内存复制的效果。

关于内存使用这方面还有不少优化方法和空间，稍后继续研究。

来源：http://blog.csdn.net/pushiqiang/article/details/78952101