我正在为一个使用共享内存缓冲区存储其内部状态的C库编写Python绑定。这些缓冲区的分配和释放是由库本身在Python之外完成的，但是我可以通过从Python中调用包装的构造函数/析构函数来间接控制这个过程。我想将其中一些缓冲区暴露给Python，以便我可以从中读取，并在某些情况下向其中推送值。性能和内存使用是重要考虑因素，因此我希望尽可能避免复制数据。
我的当前方法是创建一个numpy数组，它提供了对ctypes指针的直接视图：
除了避免复制外，这还意味着我可以使用numpy的索引和分配语法，并直接将其传递给其他numpy函数：
为了更安全，我需要能够检查底层的C指针是否已经被释放，然后再尝试读取/写入数组内容。我有一些关于如何实现这个目标的想法：
我相信还有其他边缘情况我可能遗漏了。
更新2：我已经尝试使用
然而，在缓冲区仍被分配时，如果我创建了第二个对同一数组的视图，则会出现问题：
我的当前方法是创建一个numpy数组，它提供了对ctypes指针的直接视图：
import numpy as np
import ctypes as C
libc = C.CDLL('libc.so.6')
class MyWrapper(object):
def __init__(self, n=10):
# buffer allocated by external library
addr = libc.malloc(C.sizeof(C.c_int) * n)
self._cbuf = (C.c_int * n).from_address(addr)
def __del__(self):
# buffer freed by external library
libc.free(C.addressof(self._cbuf))
self._cbuf = None
@property
def buffer(self):
return np.ctypeslib.as_array(self._cbuf)
除了避免复制外，这还意味着我可以使用numpy的索引和分配语法，并直接将其传递给其他numpy函数：
wrap = MyWrapper()
buf = wrap.buffer # buf is now a writeable view of a C-allocated buffer
buf[:] = np.arange(10) # this is pretty cool!
buf[::2] += 10
print(wrap.buffer)
# [10 1 12 3 14 5 16 7 18 9]
然而，它也具有固有的危险性：
del wrap # free the pointer
print(buf) # this is bad!
# [1852404336 1969367156 538978662 538976288 538976288 538976288
# 1752440867 1763734377 1633820787 8548]
# buf[0] = 99 # uncomment this line if you <3 segfaults
为了更安全，我需要能够检查底层的C指针是否已经被释放，然后再尝试读取/写入数组内容。我有一些关于如何实现这个目标的想法：
- 一种方法是生成
np.ndarray的子类，该子类保存对MyWrapper的_cbuf属性的引用，在进行任何读取/写入其底层内存之前检查它是否为None，如果是则抛出异常。 - 我可以轻松地生成多个视图到同一个缓冲区，例如通过
.view转换或切片，因此每个视图都需要继承对_cbuf的引用和执行检查的方法。我认为可以通过重写__array_finalize__来实现这一点，但我不确定具体如何操作。 - "指针检查"方法还需要在任何读取和/或写入数组内容的操作之前调用。我不了解numpy的内部机制，无法列举要覆盖的所有方法。
我如何实现一个执行此检查的np.ndarray子类？有没有人能提出更好的方法？
更新: 这个类实现了我大部分想要的功能：
class SafeBufferView(np.ndarray):
def __new__(cls, get_buffer, shape=None, dtype=None):
obj = np.ctypeslib.as_array(get_buffer(), shape).view(cls)
if dtype is not None:
obj.dtype = dtype
obj._get_buffer = get_buffer
return obj
def __array_finalize__(self, obj):
if obj is None: return
self._get_buffer = getattr(obj, "_get_buffer", None)
def __array_prepare__(self, out_arr, context=None):
if not self._get_buffer(): raise Exception("Dangling pointer!")
return out_arr
# this seems very heavy-handed - surely there must be a better way?
def __getattribute__(self, name):
if name not in ["__new__", "__array_finalize__", "__array_prepare__",
"__getattribute__", "_get_buffer"]:
if not self._get_buffer(): raise Exception("Dangling pointer!")
return super(np.ndarray, self).__getattribute__(name)
例如：
wrap = MyWrapper()
sb = SafeBufferView(lambda: wrap._cbuf)
sb[:] = np.arange(10)
print(repr(sb))
# SafeBufferView([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32)
print(repr(sb[::2]))
# SafeBufferView([0, 2, 4, 6, 8], dtype=int32)
sbv = sb.view(np.double)
print(repr(sbv))
# SafeBufferView([ 2.12199579e-314, 6.36598737e-314, 1.06099790e-313,
# 1.48539705e-313, 1.90979621e-313])
# we have to call the destructor method of `wrap` explicitly - `del wrap` won't
# do anything because `sb` and `sbv` both hold references to `wrap`
wrap.__del__()
print(sb) # Exception: Dangling pointer!
print(sb + 1) # Exception: Dangling pointer!
print(sbv) # Exception: Dangling pointer!
print(np.sum(sb)) # Exception: Dangling pointer!
print(sb.dot(sb)) # Exception: Dangling pointer!
print(np.dot(sb, sb)) # oops...
# -70104698
print(np.extract(np.ones(10), sb))
# array([251019024, 32522, 498870232, 32522, 4, 5,
# 6, 7, 48, 0], dtype=int32)
# np.copyto(sb, np.ones(10, np.int32)) # don't try this at home, kids!
我相信还有其他边缘情况我可能遗漏了。
更新2：我已经尝试使用
weakref.proxy，正如@ivan_pozdeev所建议的那样。这是一个好主意，但不幸的是我无法想象它如何与numpy数组一起工作。我可以尝试创建一个对.buffer返回的numpy数组的弱引用：wrap = MyWrapper()
wr = weakref.proxy(wrap.buffer)
print(wr)
# ReferenceError: weakly-referenced object no longer exists
# <weakproxy at 0x7f6fe715efc8 to NoneType at 0x91a870>
我认为问题在于wrap.buffer返回的np.ndarray实例立即超出作用域。一种解决方法是在类初始化时实例化数组，保持对它的强引用，并使.buffer() getter返回对数组的weakref.proxy：
class MyWrapper2(object):
def __init__(self, n=10):
# buffer allocated by external library
addr = libc.malloc(C.sizeof(C.c_int) * n)
self._cbuf = (C.c_int * n).from_address(addr)
self._buffer = np.ctypeslib.as_array(self._cbuf)
def __del__(self):
# buffer freed by external library
libc.free(C.addressof(self._cbuf))
self._cbuf = None
self._buffer = None
@property
def buffer(self):
return weakref.proxy(self._buffer)
然而，在缓冲区仍被分配时，如果我创建了第二个对同一数组的视图，则会出现问题：
wrap2 = MyWrapper2()
buf = wrap2.buffer
buf[:] = np.arange(10)
buf2 = buf[:] # create a second view onto the contents of buf
print(repr(buf))
# <weakproxy at 0x7fec3e709b50 to numpy.ndarray at 0x210ac80>
print(repr(buf2))
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32)
wrap2.__del__()
print(buf2[:]) # this is bad
# [1291716568 32748 1291716568 32748 0 0 0
# 0 48 0]
print(buf[:]) # WTF?!
# [34525664 0 0 0 0 0 0 0
# 0 0]
这个问题很严重——在调用wrap2.__del__()之后，我不仅可以读写buf2，它是一个numpy数组视图，对应于wrap2._cbuf，甚至可以读写buf，这是不可能的，因为wrap2.__del__()将wrap2._buffer设置为None。
cffi（您应始终使用而不是ctypes）具有内置支持gc方法的删除器），那么您就不必担心无效的弱引用。 - o11c_buffer = None赋值并不会释放_buffer，因为其他数组仍然引用它。如果在指针准备好被释放之前手动调用释放指针的函数，那么程序就会出问题。 - user2357112