멀티 프로세스 데이터 공유하는 방법
이 포스팅에서는 Python에서 멀티 프로세스 사용 시 데이터를 공유하는 방법에 대해 알아보겠습니다.
멀티 프로세스란 하나의 응용 프로그램을 여러 개의 프로세스로 구성하여 각 프로세스가 하나의 작업(task)을 처리하도록 하는 것입니다.
멀티 프로세스는 여러 자식 프로세스 중 하나에 문제가 발생하면, 다른 프로세스에 영향없이 그 프로세스만 죽기 때문에 안정적으로 프로그램을 운용할 수 있다는 장점이 있습니다.
하지만 각 독립된 메모리 영역을 할당받았기 때문에 공유하는 메모리가 없습니다.
이에 데이터를 공유하는 방법 세가지를 알려드리도록 하겠습니다.
목차
- Value
- Array
- Dict
비교를 위해 간단하게 1부터 1억까지 더하는 프로그램을 만들어보도록 하겠습니다.
def sum(start, end):
result = 0
for i in range(start, end):
result += i
print(result)
return result
if __name__ == '__main__':
start_time = time.time()
s1 = sum(1, 50000000)
s2 = sum(50000000, 100000000)
print("s1+s2=",s1+s2)
print("걸린 시간 : ", time.time()-start_time)
<결과창>
1249999975000000
3749999975000000
s1+s2= 4999999950000000
걸린 시간 : 5.427370071411133
다음은 멀티프로세스를 이용해 더하는 프로그램입니다.
from multiprocessing import Process
def sum(start, end):
result = 0
for i in range(start, end):
result += i
print(result)
return result
if __name__ == '__main__':
start_time = time.time()
p1 = Process(target=sum, args=(1, 50000000))
p2 = Process(target=sum, args=(50000000, 100000000))
p1.start()
p2.start()
p1.join()
p2.join()
print("걸린 시간 : ", time.time()-start_time)
<결과창>
3749999975000000
1249999975000000
걸린 시간 : 2.9453952312469482
멀티프로세스를 이용해 시간은 줄었지만 두 프로세스 결과를 더할 수는 없습니다.
1. Value
데이터는 Value, Array, Dict를 사용하여 공유 메모리에 저장 될 수 있습니다.
Value를 이용해 두 프로세스 결과를 더해보도록 하겠습니다.
Value를 이용해 값을 args로 넘겨줍니다. 이때 사용되는 ‘d’ 는 부동 소수점을 나타내고, ‘i’ 는 부호 있는 정수를 나타냅니다.
from multiprocessing import Process, Value, Array
import time
def sum(start, end, s_num):
result = 0
for i in range(start, end):
result += i
s_num.value = result
print(result)
if __name__ == '__main__':
start_time = time.time()
s1_num = Value('d', 0.0)
s2_num = Value('d', 0.0)
p1 = Process(target=sum, args=(1, 50000000, s1_num))
p2 = Process(target=sum, args=(50000000, 100000000, s2_num))
p1.start()
p2.start()
p1.join()
p2.join()
print("s1+s2=",s_num1.value + s_num2.value)
print("걸린 시간 : ", time.time() - start_time)
<결과창>
3749999975000000
1249999975000000
s1+s2= 4999999950000000.0
걸린 시간 : 2.7269644737243652
두 결과를 value로 받아 값을 더한 결과입니다.
2. Array
다음은 Array를 이용해 저장해 보도록 하겠습니다. args에 index값을 전달해 arr에 연이어 값을 저장해보겠습니다.
import multiprocessing as mp
from multiprocessing import Process, Value, Array
import time
def sum(start, end, index, arr):
result = 0
for i in range(start, end):
result += i
arr[index] = result
print(arr[:])
if __name__ == '__main__':
start_time = time.time()
arr = Array('d', range(2))
s1 = Process(target=sum, args=(1, 50000000, 0, arr))
s2 = Process(target=sum, args=(50000000, 100000000, 1, arr))
s1.start()
s2.start()
s1.join()
s2.join()
print("s1+s2=",arr[0] + arr[1])
print("걸린 시간 : ", time.time() - start_time)
<결과창>
[1249999975000000.0, 3749999975000000.0]
s1+s2= 4999999950000000.0
걸린 시간 : 2.8744490146636963
연산 결과를 array로 받아 연산 결과값을 더한 결과입니다.
3. Dict
공유 데이터는 Manager를 이용해 Dictionary로도 저장될 수 있습니다.
중첩 딕셔너리에 각 프로세스의 pid, 걸린 시간, 결과값을 출력하도록 해보겠습니다.
import multiprocessing as mp
from multiprocessing import Process, Manager
import time
def sum(start, end, shared_info):
id = f'sum-{mp.current_process().pid}'
result = 0
start_time = time.time()
for i in range(start, end):
result += i
end_time = time.time()
shared_info[id] = {'time': (end_time - start_time), 'result': result}
if __name__ == '__main__':
start_time = time.time()
procs = []
with Manager() as manager:
shared_info = manager.dict()
p1 = Process(target=sum, args=(1, 50000000, shared_info,))
p2 = Process(target=sum, args=(50000000, 100000000, shared_info,))
procs.append(p1)
procs.append(p2)
p1.start()
p2.start()
p1.join()
p2.join()
print(shared_info)
result = 0
for key, value in shared_info.items():
result += shared_info[key]['result']
print(result)
print("걸린 시간 : ", time.time()-start_time)
<결과창>
{'sum-30500': {'time': 2.9461288452148438, 'result': 1249999975000000},
'sum-39700': {'time': 3.4378139972686768, 'result': 3749999975000000}}
4999999950000000
걸린 시간 : 3.0267534255981445
중첩 딕셔너리를 이용하여 각 프로세스의 pid를 기준으로 프로세스 실행 시간과 연산 결과를 저장하였습니다.
이번 포스팅에서는 멀티프로세스의 데이터를 공유하는 방법을 알아보았습니다.
하나의 프로그램에 속하는 프로세스들 사이의 변수를 공유할 수 없다는 멀티프로세스의 단점을 보완할 수 있는 유용한 방법인 것 같습니다.
이번 포스팅은 여기까지입니다. 감사합니다.