multiprocessing.Value 能解决全局变量失效问题，因为其在共享内存区域创建原子对象，所有进程读写同一物理内存地址（如 mmap 实现），而非各自副本；需显式指定类型码（如 "i"）、通过 .value 访问，并配合 multiprocessing.Lock 防竞态。
为什么 multiprocessing.Value 能解决全局变量失效问题
因为每个进程有独立内存空间，父进程里改了 date 或 counter，子进程看不到——它拿到的是 fork 或序列化时的快照。而 multiprocessing.Value 是在共享内存区域创建的原子对象，底层通过 mmap 或系统 V 共享内存实现，所有进程读写的是同一块物理内存地址（带锁保护），不是副本。
multiprocessing.Value 的基本用法和类型码
必须显式指定 C 类型码，不能直接传 Python 对象：
-
"i"：有符号整数（int），如Value("i", 0) -
"d"：双精度浮点（float），如Value("d", 3.14) -
"c"：单字符（bytes长度为 1），如Value("c", b"A") - 不支持字符串、列表、字典等复合类型；要用
Manager().dict()或Manager().list()
访问值必须通过 .value 属性，不能直接当变量用：
from multiprocessing import Value, Process
<p>counter = Value("i", 0) # 初始化为 0</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill8054" title="python-parallelization"><img
src="https://img.php.cn/upload/skill/000/000/081/179181013081932.jpg" alt="python-parallelization" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill8054" title="python-parallelization">python-parallelization</a>
<p>将顺序 Python 代码转换为并行/并发实现，用于在需要并行化 Python 代码、提升性能时使用。</p>
</div>
<a href="/xiazai/skill8054" title="python-parallelization" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p><p>def worker():
counter.value += 1 # ✅ 正确：通过 .value 读写
print(f"worker: {counter.value}")</p><p>if <strong>name</strong> == '<strong>main</strong>':
p = Process(target=worker)
p.start()
p.join()
print(f"main: {counter.value}") # 输出 1
常见错误：忘记加锁导致竞态条件
Value 本身不自动加锁，多个进程同时执行 counter.value += 1 仍可能丢更新（该操作非原子：读→计算→写三步）。必须手动用 Lock 保护：
- 错误写法：
counter.value += 1（无锁，高并发下结果小于预期） - 正确写法：用
with lock:包裹读写段 -
Lock必须也来自multiprocessing，不能用threading.Lock
from multiprocessing import Value, Lock, Process
<p>def worker(counter, lock):
for _ in range(1000):
with lock:
counter.value += 1</p><p>if <strong>name</strong> == '<strong>main</strong>':
counter = Value("i", 0)
lock = Lock()
processes = [Process(target=worker, args=(counter, lock)) for _ in range(2)]
for p in processes:
p.start()
for p in processes:
p.join()
print(counter.value) # 稳定输出 2000
Windows 下注意初始化位置和 if __name__ == '__main__'
Windows 不支持 fork，子进程会重新导入模块。如果 Value 定义在模块顶层但没包在 if __name__ == '__main__' 里，子进程启动时会尝试重复创建，可能报 OSError: [WinError 87] 或静默失败。
- ✅ 正确：所有
Value、Lock、Pool实例都在if __name__ == '__main__':块内创建 - ❌ 错误：把
counter = Value("i", 0)写在文件顶部，然后在子进程中又调用它 - Linux/macOS 虽能 fork，也建议统一写法，避免跨平台出错
共享内存不是万能的——它只适合小量、固定结构的数据同步。频繁读写大对象或需要复杂操作（如 append、pop）时，Manager() 开销更大但更灵活；而真正要解耦通信，还是得靠 Queue 或 Pipe。
