LinuxMint.com.ru

Здравствуйте, интересует небольшой теоретический вопрос.
Собираюсь распараллелить часть своего кода, отвечающего за равномерное распределение случайно распределенных точек в объеме силами отталкивания.
В общей памяти будут содержаться координаты точек, заданные одномерными массивами, тип ячеек: float64.
В рамках программы устаревание данных не интересует, а разные ядра процессора не могут производить запись в одинаковые ячейки, но считывать могут все ячейки.

И вот здесь вопрос. Могут ли 2 разных ядра процессора одновременно производить и чтение, и запись числа из ОДНОЙ ОДИНАКОВОЙ ячейки матрицы в общей памяти? Т.е. может ли случиться так, что какое-то ядро прочитает не полностью записанное число, если такая запись вообще возможна? Или же два ядра встанут в очередь даже без явного её указания, обращаясь к одинаковой ячейке?

Вырезка кода задания общей памяти из другого моего кода (случай отличается, но принцип тот же):

Код: Выделить всё

import numpy as np
from multiprocessing import Process
from multiprocessing import shared_memory
if __name__ == '__main__':
    a=np.zeros((2, 12)) #вид матрицы памяти
    shm=shared_memory.SharedMemory(create=True, size=a.nbytes) #размер общей памяти
    b=np.ndarray(a.shape, dtype=a.dtype, buffer=shm.buf) #матрица, имеющая доступ в общую память
    b[:] = a[:] # заполнение общей памяти начальными данными

MrTowelie, ну половинчатые данные не прочтёт, но за счёт буферизации или состояния гонки достоверности данных не будет. Нужны механизмы атомарного доступа.
Может питон это делает сам, но на С надо использовать семафоры/мьютексы/флаги

MrTowelie, https://docs.python.org/3/glossary.html ... reter-lock

global interpreter lock
The mechanism used by the CPython interpreter to assure that only one thread executes Python bytecode at a time. This simplifies the CPython implementation by making the object model (including critical built-in types such as dict) implicitly safe against concurrent access. Locking the entire interpreter makes it easier for the interpreter to be multi-threaded, at the expense of much of the parallelism afforded by multi-processor machines.

Т.е. python в основном сам все умеет. По крайней мере это касается его встроенных типов данных.

Так же: https://docs.python.org/3/library/multi ... processing

multiprocessing package offers both local and remote concurrency, effectively side-stepping the Global Interpreter Lock by using subprocesses instead of threads.

Т.е. писался специально с учетом GIL.

Спасибо за ответы, пригодится эта информация в будущем.
Распараллелил эту часть кода. Система приходит к стабильному состоянию и выдаёт аналогичный однопоточному режиму ответ.

LinuxMint.com.ru

Python3 multiprocessing. Чтение-запись ячеек матрицы в общей памяти.

Python3 multiprocessing. Чтение-запись ячеек матрицы в общей памяти.

Python3 multiprocessing. Чтение-запись ячеек матрицы в общей памяти.

Python3 multiprocessing. Чтение-запись ячеек матрицы в общей памяти.

Python3 multiprocessing. Чтение-запись ячеек матрицы в общей памяти.