python多进程间全局变量不共享，因各进程内存独立；需用manager、value或array实现跨进程数据共享，避免直接修改全局变量。
多进程里改全局变量根本不会同步
Python 的 multiprocessing 每个子进程都拥有独立内存空间，父进程的全局变量在 fork 或 spawn 时被复制一份，后续修改互不影响。这不是 bug，是设计使然——别指望靠 global 关键字让多个进程“看到同一个变量”。
- 常见错误现象：
counter = 0在主进程定义，子进程中执行counter += 1，最后打印还是0 - 使用场景：计数器、缓存状态、配置标志等需要跨进程协调的数据
- 根本原因：Linux 下 fork 复制地址空间，Windows/macOS 下 spawn 重新导入模块，都不共享运行时内存
用 Manager() 共享基础数据类型最稳妥
Manager() 启动一个服务进程管理共享对象，通过代理（proxy）访问，支持 list、dict、Value、Array 等，适合低频读写、结构简单的情况。
- 实操建议：优先用
manager.dict()或manager.list()，避免直接传裸dict/list - 参数差异：
manager.Value('i', 0)中'i'是 ctypes 类型码，不是 Python 类型；manager.dict()返回的是代理对象，不能直接用.update()批量赋值（会报AttributeError），得逐项赋值 - 性能影响：每次访问都走 IPC，比本地变量慢 10–100 倍，别在 tight loop 里反复读写
from multiprocessing import Process, Manager
<p>def worker(shared_dict, idx):
shared<em>dict[f'proc</em>{idx}'] = idx * 2</p><p>if <strong>name</strong> == '<strong>main</strong>':
with Manager() as manager:
d = manager.dict()
ps = [Process(target=worker, args=(d, i)) for i in range(3)]
for p in ps:
p.start()
for p in ps:
p.join()
print(dict(d)) # {'proc_0': 0, 'proc_1': 2, 'proc_2': 4}</p>
Value 和 Array 适合高性能单值/数组场景
如果只共享一个整数、浮点数或固定长度数组，且读写频繁，Value 和 Array 比 Manager 快得多——它们基于共享内存（mmap），不经过服务进程中转。
- 常见错误现象：用
Value('i', 0)后直接val += 1，结果没变；必须用val.value += 1 - 使用场景：计数器、状态标志、图像帧缓冲、数值计算中间结果
- 兼容性注意：Windows 下 spawn 方式需把
Value/Array创建放在if __name__ == '__main__':内，否则子进程拿不到句柄 - 类型码别写错：
'd'是 double，'f'是 float，'i'是 signed int，写成'int'会报TypeError
别碰 threading.local 或闭包变量来“模拟”共享
有人试过在进程启动前用闭包捕获变量，或误用 threading.local，结果发现完全无效——threading.local 只在单线程内有效，多进程下每个进程都有自己的 local 实例；闭包变量只是普通对象，在子进程中仍是副本。
立即学习“Python免费学习笔记（深入）”；
- 典型错误代码：
local = threading.local(); local.x = 1→ 子进程里local.x是未定义的 - 真正容易被忽略的点：连
logging的 handler 都可能因进程隔离失效，比如用FileHandler时多个进程同时写一个文件会导致内容错乱，得用QueueHandler+ 主进程消费 - 复杂点在于：有些第三方库内部用了全局状态（如某些 ORM 连接池、requests 的 session 缓存），fork 后可能出连接泄漏或认证失效，得在子进程中显式重置
