Windows下multiprocessing.Pool.map不支持非全局函数，因spawn方式需子进程重新导入模块，而lambda、嵌套函数和实例方法无法被pickle或不在模块顶层作用域；应将函数定义为模块级函数，或用functools.partial预设参数，或临时使用pathos替代。
在 Windows 上使用 multiprocessing.Pool.map 时，无法直接传入非全局函数（比如嵌套函数、lambda 或实例方法），因为 Windows 的 multiprocessing 默认使用 spawn 启动方式，子进程需要重新导入模块并查找函数——而嵌套函数在模块顶层不可见。
为什么非全局函数在 Windows 上会报错
Windows 不支持 fork，子进程通过重新执行 Python 解释器、导入主模块来初始化。此时：
- lambda 和局部定义的函数没有名字，也无法被序列化（
pickle失败）； - 嵌套函数（如
def inner(): ...在另一个函数内）作用域受限，模块导入时不存在； - 实例方法（
self.method）绑定在对象上，对象本身通常不可被 pickle（尤其含线程、文件句柄等）。
解决方案：把函数提升为模块级可导入函数
最稳妥的方式是将目标函数写在模块顶层（即和 if __name__ == '__main__': 平级），确保能被子进程独立导入：
✅ 正确示例：
# mymodule.py import multiprocessing as mp <p>def worker(x): # 模块级函数，有明确名称，可被 pickle return x ** 2</p><p>if <strong>name</strong> == '<strong>main</strong>': with mp.Pool() as pool: result = pool.map(worker, [1, 2, 3, 4]) print(result) # [1, 4, 9, 16]
替代方案：用 functools.partial 传递参数
若需固定部分参数（类似闭包效果），可在顶层函数中用 partial 预设：
from functools import partial
import multiprocessing as mp
<p>def compute_power(x, base):
return x ** base</p><p>if <strong>name</strong> == '<strong>main</strong>':</p><h1>创建带固定参数的可调用对象</h1><pre class="brush:php;toolbar:false;">square = partial(compute_power, base=2)
with mp.Pool() as pool:
result = pool.map(square, [1, 2, 3, 4])
print(result) # [1, 4, 9, 16]
不推荐但可行：用 pathos（基于 dill）
pathos 替代标准 multiprocessing，用 dill 序列化（支持 lambda、嵌套函数等）：
# pip install pathos
import pathos.multiprocessing as pmp
<p>def main():</p><h1>可直接用 lambda 或内部函数</h1><pre class="brush:php;toolbar:false;">with pmp.Pool() as pool:
result = pool.map(lambda x: x * 2, [1, 2, 3])
print(result)if name == 'main': main()
⚠️ 注意：pathos 启动稍慢、调试困难、与标准库行为不一致，仅建议临时或原型开发使用。
