Python進(jìn)程間通信之共享內(nèi)存詳解
前一篇博客說了怎樣通過命名管道實(shí)現(xiàn)進(jìn)程間通信，但是要在windows是使用命名管道，需要使用python調(diào)研windows api，太麻煩，于是想到是不是可以通過共享內(nèi)存的方式來實(shí)現(xiàn)。查了一下，Python中可以使用mmap模塊來實(shí)現(xiàn)這一功能。
Python中的mmap模塊是通過映射同一個(gè)普通文件實(shí)現(xiàn)共享內(nèi)存的。文件被映射到進(jìn)程地址空間后，進(jìn)程可以像訪問內(nèi)存一樣對文件進(jìn)行訪問。
不過，mmap在linux和windows上的API有些許的不一樣，具體細(xì)節(jié)可以查看mmap的文檔。
下面看一個(gè)例子：
server.py
這個(gè)程序使用 test.dat 文件來映射內(nèi)存，并且分配了1024字節(jié)的大小，每隔一秒更新一下內(nèi)存信息。
import mmap
import contextlib
import time
with open("test.dat", "w") as f:
f.write('\x00' * 1024)
with open('test.dat', 'r+') as f:
with contextlib.closing(mmap.mmap(f.fileno(), 1024, access=mmap.ACCESS_WRITE)) as m:
for i in range(1, 10001):
m.seek(0)
s = "msg " + str(i)
s.rjust(1024, '\x00')
m.write(s)
m.flush()
time.sleep(1)
client.py
這個(gè)程序從上面映射的文件 test.dat 中加載數(shù)據(jù)到內(nèi)存中。
import mmap
import contextlib
import time
while True:
with open('test.dat', 'r') as f:
with contextlib.closing(mmap.mmap(f.fileno(), 1024, access=mmap.ACCESS_READ)) as m:
s = m.read(1024).replace('\x00', '')
print s
time.sleep(1)
上面的代碼可以在linux和windows上運(yùn)行，因?yàn)槲覀兠鞔_指定了使用 test.dat 文件來映射內(nèi)存。如果我們只需要在windows上實(shí)現(xiàn)共享內(nèi)存，可以不用指定使用的文件，而是通過指定一個(gè)tagname來標(biāo)識，所以可以簡化上面的代碼。如下：
server.py
import mmap
import contextlib
import time
with contextlib.closing(mmap.mmap(-1, 1024, tagname='test', access=mmap.ACCESS_WRITE)) as m:
for i in range(1, 10001):
m.seek(0)
m.write("msg " + str(i))
m.flush()
time.sleep(1)
client.py
import mmap
import contextlib
import time
while True:
with contextlib.closing(mmap.mmap(-1, 1024, tagname='test', access=mmap.ACCESS_READ)) as m:
s = m.read(1024).replace('\x00', '')
print s
time.sleep(1)
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了python如何解決指定代碼段超時(shí)程序卡死，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
tensorflow學(xué)習(xí)教程之文本分類詳析
初學(xué)tensorflow，借鑒了很多別人的經(jīng)驗(yàn)，參考博客對評論分類(感謝博主的一系列好文)，本人也嘗試著實(shí)現(xiàn)了對文本數(shù)據(jù)的分類，下面這篇文章主要給大家介紹了關(guān)于tensorflow學(xué)習(xí)教程之文本分類的相關(guān)資料，需要的朋友可以參考下2018-08-08
Python3時(shí)間轉(zhuǎn)換之時(shí)間戳轉(zhuǎn)換為指定格式的日期方法詳解
這篇文章主要介紹了Python3時(shí)間轉(zhuǎn)換之時(shí)間戳轉(zhuǎn)換為指定格式的日期,需要的朋友可以參考下2021-04-04
Tensorflow與RNN、雙向LSTM等的踩坑記錄及解決
這篇文章主要介紹了Tensorflow與RNN、雙向LSTM等的踩坑記錄及解決方案，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
這篇文章主要介紹了基于KL散度、JS散度以及交叉熵的對比，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
深度學(xué)習(xí)詳解之初試機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)可應(yīng)用在各個(gè)方面，本篇將在系統(tǒng)性進(jìn)入機(jī)器學(xué)習(xí)方向前，初步認(rèn)識機(jī)器學(xué)習(xí)，利用線性回歸預(yù)測波士頓房價(jià)，讓我們一起來看看吧2021-04-04
OpenCV-Python實(shí)現(xiàn)輪廓檢測實(shí)例分析
這篇文章主要介紹了OpenCV-Python實(shí)現(xiàn)輪廓檢測實(shí)例分析，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
這篇文章主要介紹了解決python虛擬環(huán)境切換無效的問題，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
Python?numpy中np.random.seed()的詳細(xì)用法實(shí)例
在學(xué)習(xí)人工智能時(shí),大量的使用了np.random.seed(),利用隨機(jī)數(shù)種子,使得每次生成的隨機(jī)數(shù)相同,下面這篇文章主要給大家介紹了關(guān)于Python?numpy中np.random.seed()的詳細(xì)用法,需要的朋友可以參考下2022-08-08
Python數(shù)據(jù)清洗之抽取jsonl文件數(shù)據(jù)字段并合并
這篇文章主要為大家詳細(xì)介紹了Python數(shù)據(jù)清洗之抽取jsonl文件數(shù)據(jù)字段并合并的相關(guān)知識,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解下2025-03-03