multiprocessing子进程不继承主线程全局变量修改，因其通过fork或spawn新建独立内存空间；Pool的maxtasksperchild用于定期重启worker防内存泄漏；Queue传大对象慢因序列化开销大，应优先用shared_memory；Windows下不加if name == "__main__":会导致子进程重复执行顶层代码而崩溃。
为什么 multiprocessing 启动的子进程不继承主线程的全局变量修改？
因为子进程是通过 fork（Unix/Linux/macOS）或 spawn（Windows/部分 macOS 配置）方式全新创建的，内存空间独立。主线程对全局变量（如 config = {"debug": True}）的运行时修改，不会自动同步到子进程中。
常见错误现象：在主进程中改了 LOG_LEVEL，子进程里打印仍是默认值；或用 global 修饰的变量在子进程里为空。
- Unix 系统下若用
fork启动方式，子进程会复制父进程的内存快照，但后续修改互不影响 - Windows 必须用
spawn，每次启动子进程都会重新导入模块、执行顶层代码，所以连初始值都要靠模块重载保证一致 - 跨平台安全做法：把配置显式传给子进程，例如通过
Process(target=worker, args=(config,))或使用multiprocessing.Manager().dict()
multiprocessing.Pool 的 maxtasksperchild 有什么实际作用？
它控制每个子进程最多处理多少个任务后自动退出并被新进程替换。不是“限制并发数”，而是用于缓解内存泄漏或状态累积问题。
使用场景：长期运行的 worker 处理大量任务，且内部使用了无法自动释放的资源（如未关闭的文件句柄、缓存不断增长的字典、第三方 C 库的静态状态）。
立即学习“Python免费学习笔记（深入）”；
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 设为
None（默认）：子进程永生，风险是内存缓慢上涨 - 设为
100：每处理完 100 个任务就重启该 worker，开销小但能重置内存和状态 - 注意：重启有轻微调度成本，别设成
1；也别依赖子进程间共享可变状态，因为它随时可能被换掉
为什么用 multiprocessing.Queue 传大对象比 pipe 更慢还容易卡住？
因为 Queue 底层基于 Pipe + 单独的监控线程 + 序列化（pickle），而大对象序列化耗时高，且 Queue 有内置缓冲区大小限制（默认无限，但受系统 pipe buffer 和内存影响）。
典型错误现象：传一个 500MB 的 numpy.ndarray，主进程卡在 q.put(arr)，子进程迟迟收不到；或出现 OSError: [Errno 32] Broken pipe。
- 优先考虑
multiprocessing.shared_memory（Python 3.8+）共享内存块，避免拷贝和序列化 - 若必须用
Queue，提前调用arr = np.ascontiguousarray(arr)加速 pickle，或改用joblib.dump/load分块序列化 -
Pipe更轻量，适合点对点、少量高频通信，但它不支持多生产者/消费者，也不能用在Pool场景中
Windows 下 if __name__ == "__main__" 不加会导致什么？
子进程启动时会重新执行整个脚本顶层代码，包括再次创建 Pool、再次导入模块、甚至重复初始化数据库连接——最终引发 RuntimeError: An attempt has been made to start a new process before the current process has finished its bootstrapping phase。
这不是风格建议，而是 Windows 的 spawn 启动机制强制要求。
- 所有使用
multiprocessing的脚本，在 Windows 或跨平台分发时，必须把Pool/Process创建逻辑包进if __name__ == "__main__":块 - PyInstaller 打包后也遵循同样规则，漏写会导致生成的 exe 在双击运行时报错退出
- macOS/Linux 虽可用
fork暂时绕过，但一旦切换启动方法（如设置mp.set_start_method("spawn")），同样崩溃
多进程真正难的不是启动几个子进程，而是数据怎么传、状态怎么管、异常怎么捕获、资源怎么回收。尤其当逻辑从单进程迁移到多进程时，看似只改两行代码，实则每处变量访问都得重新评估作用域和生命周期。
