能否跨进程共享非空NumPy数组？如何保留其共享前的预赋值？

这是代码逻辑导致的正常结果，不属于SharedMemory模块的异常。核心原因是编写的代码从未将预先赋值的数组内容写入共享内存：

• 主进程中提前创建的数组a，存储在主进程的私有堆内存中，和后续新开辟的共享内存块没有任何内存层面的关联
• 调用SharedMemory(create=True)时，操作系统会开辟一块全新的、默认全零初始化的共享内存，这块内存从创建开始就没有存储你给a['value']设置的100值
• 将共享内存缓冲区绑定为ndarray对象c后，全程没有执行数据拷贝操作，共享内存从始至终都是全零状态，子进程挂载这块共享内存时自然只能读到0值。

只需要在主进程绑定好共享内存对应的ndarray后，将预赋值完成的源数组内容拷贝进共享内存即可。另外原代码中将普通数组a作为进程入参是多余操作：跨进程传参时，框架会将该数组序列化后深拷贝到子进程的私有内存中，既不参与共享，还会产生重复的内存开销，可直接移除。

from multiprocessing import Process, shared_memory
import numpy as np
import time
 
dtype_eV = np.dtype({
    'names': ['idx', 'value', 'size'],
    'formats': ['int32', 'float64', 'float64']
})
 
 
def worker_writer(shm_name):
    exst_shm = shared_memory.SharedMemory(name=shm_name)
    b = np.ndarray((5,), dtype=dtype_eV, buffer=exst_shm.buf)
    for i in range(5):
        time.sleep(0.5)
        b['idx'][i] = i
 
def worker_reader(shm_name):
    exst_shm = shared_memory.SharedMemory(name=shm_name)
    b = np.ndarray((5,), dtype=dtype_eV, buffer=exst_shm.buf)
    for i in range(5):
        time.sleep(1)
        print(b['idx'][i], b['value'][i])
 
 
if __name__ == "__main__":
    # 先在普通内存中完成所有预赋值操作
    a = np.zeros(5, dtype=dtype_eV)
    a['value'] = 100
    # 创建和目标数组大小匹配的共享内存块
    shm = shared_memory.SharedMemory(create=True, size=a.nbytes)  
    # 将共享内存缓冲区绑定为ndarray对象
    c = np.ndarray(a.shape, dtype=a.dtype, buffer=shm.buf)
    # 核心缺失步骤：将预赋值的数组内容全部拷贝到共享内存
    c[:] = a

    th1 = Process(target=worker_writer, args=(shm.name,))
    th2 = Process(target=worker_reader, args=(shm.name,))
 
    th1.start()
    th2.start()
    th1.join()
    th2.join()

    # 清理共享内存，避免系统资源泄漏
    shm.close()
    shm.unlink()

0 100.0
1 100.0
2 100.0
3 100.0
4 100.0

• SharedMemory模块仅负责开辟跨进程可访问的内存块，不会自动关联主进程中其他位置的数组数据，所有初始的非空值必须主动拷贝到共享内存的缓冲区中
• 跨进程传递共享内存时，只需要传递共享内存的唯一名即可，不要将ndarray对象本身作为参数传递，否则会触发深拷贝，失去内存共享的意义
• 共享内存使用完成后，必须执行close和unlink操作释放系统资源，否则对应的共享内存块会一直残留占用内存。

内容的提问来源于stack exchange，提问作者maynull