multiprocessing.Queue吞吐量低、延迟高，因序列化与锁开销；Pipe延迟更低、带宽更高，适合一对一通信；共享内存和mmap避免拷贝，适合大数据；Unix域套接字灵活但需处理粘包。
如果您需要在多个 Python 进程之间传递数据，不同通信机制的实际吞吐量、延迟和资源开销存在显著差异。以下是几种主流进程间通信方式的性能对比分析步骤：
一、使用 multiprocessing.Queue
multiprocessing.Queue 基于底层管道和锁实现，适用于多生产者多消费者场景，但序列化与线程安全机制会引入额外开销。
1、导入 multiprocessing 模块并创建 Queue 实例。
2、在子进程中调用 queue.put() 发送序列化后的对象。
立即学习“Python免费学习笔记（深入）”；
3、在主进程中调用 queue.get() 接收对象，每次调用触发反序列化操作。
4、重复执行 10000 次收发操作，记录总耗时与内存占用峰值。
二、使用 multiprocessing.Pipe
multiprocessing.Pipe 创建一对连接的端点，仅支持一对一通信，绕过队列的锁和缓冲管理，因此延迟更低、带宽更高。
1、调用 multiprocessing.Pipe() 获取 conn1 和 conn2 两个连接对象。
2、在发送进程调用 conn1.send() 直接写入字节流。
3、在接收进程调用 conn2.recv() 同步读取，不经过中间序列化队列。
4、关闭未使用的连接端，避免文件描述符泄漏。
三、使用共享内存（multiprocessing.shared_memory）
共享内存允许进程直接读写同一块物理内存区域，避免数据拷贝，适合传输大型 NumPy 数组或二进制块。
1、调用 shared_memory.SharedMemory(create=True, size=1024*1024) 创建 1MB 共享内存块。
2、将数据通过 memoryview 写入 shm.buf，确保字节对齐与边界安全。
3、子进程通过名称附加到同一共享内存对象，直接访问 shm.buf。
4、通信完成后，由创建方显式调用 shm.close() 和 shm.unlink() 释放资源。
四、使用文件映射（mmap）
mmap 将文件或匿名内存区域映射为进程地址空间的一部分，支持随机访问和大块数据零拷贝交换。
1、在主进程中使用 mmap.mmap(-1, length=1024*1024) 创建匿名映射。
2、将结构化数据按预定义偏移写入 mmap 对象。
3、通过 os.fork() 或 multiprocessing.Process 启动子进程，继承 mmap 句柄。
4、子进程在相同偏移处读取原始字节，需自行处理字节序与解析逻辑。
五、使用 Unix 域套接字（socket.AF_UNIX）
Unix 域套接字提供面向连接或无连接的本地通信，内核路径优化使其性能接近 Pipe，但支持更灵活的消息边界控制。
1、主进程调用 socket.socket(socket.AF_UNIX, socket.SOCK_STREAM) 创建服务端套接字。
2、绑定到本地路径（如 /tmp/proc_comm.sock），并监听连接请求。
3、子进程创建客户端套接字，connect 到该路径，建立双向字节流通道。
4、双方使用 send() 和 recv() 传输数据，需手动处理消息长度头以避免粘包。
