在superfastpython.com上看到的示例中，用于支持一维 numpy 数组的共享内存段的大小计算为元素数量乘以数据类型大小。
我们知道，传递给 SharedMemory 构造函数的 size 参数是最小值。因此，在许多情况下，实际大小可能大于指定的大小 - 这很正常。
但是如果指定的大小是底层内存页面大小的精确倍数怎么办？
考虑一下：
import numpy as np
from multiprocessing.shared_memory import SharedMemory
n = 2048
s = n * np.dtype(np.double).itemsize
shm = SharedMemory(create=True, size=s)
try:
assert s == shm.size
a = np.ndarray((n,), dtype=np.double, buffer=shm.buf)
a.fill(0.0)
finally:
shm.close()
shm.unlink()
在这种情况下（macOS 15.0.1 上的 Python 13.3.0），s的值为 16,384，恰好是底层页面大小的精确倍数，因此 shm.size 等于s
也许我对 numpy 了解不够，但我会想象 ndarray 需要更多空间用于内部/管理结构。
有人可以解释一下为什么这样做有效，以及为什么显然不需要在共享内存段中留出额外的空间吗？
数组确实有一堆元数据，它们会占用大量额外空间，但这些元数据与其数据缓冲区分开存储。您分配的共享内存仅用于数据缓冲区。