工作记录【12.2】

梦中花前书生

已于 2023-12-06 10:12:59 修改

阅读量34

点赞数

文章标签： python

于 2023-12-03 07:02:22 首次发布

本文链接：https://blog.csdn.net/Hongyuyao_227/article/details/134760593

版权

明确了并不是一个threading快一个threading慢，就是都慢

并且figured out 计算的trajectory和time interval无关，不论多慢都不会丢包

两个threading同时运行并不会使其共同变慢，对比如下图，都是在main threading里面输出的interval，理想情况是100Hz

在这里插入图片描述

从mean和variance上面来看，差的并不多

有两篇文章讲为什么python里的threading很垃圾，https://www.youtube.com/watch?v=Obt-vMVdM8s and https://www.dabeaz.com/python/UnderstandingGIL.pdf, 码住，有时间看

现在复制一份Hiwonder代码并且尝试改为multiprocessing

——————————————————————————更新————————————————————————

换成了multiprocessing，数据处理速度确实快了很多，而且也很稳定了

但是现在的问题是multiprocess 接收不到外面传来的信号，like（velocity），所以机器人不动

查阅了一下资料，threading是使用的同一个memory，但是multiprocessing用的是不同memory，所以如何处理不同processing之间的通信很重要

现在继续work on communication

经过一段时间的研究，发现main_threading和主函数数据交流很多而且频繁，使用multiprocessing的技术难度较大，而且不确定是否一定可行

但是另外一个servo_threading中只有一个数据传输，而且是单向输入的，所以比较适合用multiprocessing

现在implement 的code可以实现单向传输，** 但是在循环的时候只有外部有更新时，循环内部的值才会改变，当外部没有更新值时，循环的值还是初始值，这个需要解决一下 **

——————————————————12.3————————————————————————————

查阅资料得知，之前用的multiprocess的manager的namespace，这个方法只能暂存并且传输数据，所以会导致不传数据的时候回到初始值的问题

后来使用了multiprocessing中的Array把传递setValue的状态，实验代码如下

from multiprocessing import Process, Array
import time
import numpy as np

def modify_shared_array(shared_array, rows, cols):
    # Modify the two-dimensional array
    while(1):

      print((np.array(shared_array).reshape(rows,cols)))
      time.sleep(0.01)

if __name__ == '__main__':
    # Define the size of the 2D array
    rows, cols = 3, 4
    set_value = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
    print(set_value)
    # Create shared array
    shared_array = Array('i', set_value.flatten())

    # Create a process and pass shared array and its dimensions
    process = Process(target=modify_shared_array, args=(shared_array, rows, cols))

    # Start the process
    process.start()
    
    for i in range(10):
      for i in range(len(shared_array)):
        shared_array[i] *=2
      time.sleep(0.1) 
    
    
    # Wait for the process to finish
    process.join()

结果如下：

[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
[[ 2 4 6 8]
[10 12 14 16]
[18 20 22 24]]
[[ 2 4 6 8]
[10 12 14 16]
[18 20 22 24]]
[[ 2 4 6 8]
[10 12 14 16]
[18 20 22 24]]
[[ 2 4 6 8]
[10 12 14 16]
[18 20 22 24]]
[[ 2 4 6 8]
[10 12 14 16]
[18 20 22 24]]
[[ 2 4 6 8]
[10 12 14 16]
[18 20 22 24]]
[[ 4 8 12 16]
[20 24 28 32]
[36 40 44 48]]
[[ 4 8 12 16]
[20 24 28 32]
[36 40 44 48]]
[[ 4 8 12 16]
[20 24 28 32]
[36 40 44 48]]
[[ 4 8 12 16]
[20 24 28 32]
[36 40 44 48]]
[[ 4 8 12 16]
[20 24 28 32]
[36 40 44 48]]
[[ 4 8 12 16]
[20 24 28 32]
[36 40 44 48]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 8 16 24 32]
[40 48 56 64]
[72 80 88 96]]
[[ 16 32 48 64]
[ 80 96 112 128]
[144 160 176 192]]
[[ 16 32 48 64]
[ 80 96 112 128]
[144 160 176 192]]
[[ 16 32 48 64]
[ 80 96 112 128]
[144 160 176 192]]
[[ 16 32 48 64]
[ 80 96 112 128]
[144 160 176 192]]
[[ 16 32 48 64]
[ 80 96 112 128]
[144 160 176 192]]
[[ 16 32 48 64]
[ 80 96 112 128]
[144 160 176 192]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]
[[ 32 64 96 128]
[160 192 224 256]
[288 320 352 384]]