类变量在多进程下不共享，因各进程拥有独立内存副本；需用 multiprocessing.Manager() 或 Value 等显式共享机制实现跨进程数据同步。
类变量在多进程里和全局变量一样被复制
Python 的类变量（比如 class A: x = 0 中的 x）在多进程环境下不共享，根本原因和全局变量完全一致：每个子进程启动时都会获得父进程内存空间的一份副本，包括类对象的 __dict__。子进程里的 A.x 和主进程里的 A.x 指向不同内存地址，修改互不影响。
- 即使你用
if __name__ == '__main__':包裹主逻辑，类定义本身仍会在子进程中重新执行（尤其在 Windows/macOS 的spawn启动方式下），导致类变量被再次初始化 - Linux 的
fork方式虽会复制当前状态，但写时复制机制保证子进程一旦修改类变量（如A.x = 1），就会触发内存页分离，后续操作只影响自身副本 - 类变量不是“跨进程单例”，它只是模块级命名空间中的一个属性——而模块在每个进程中都是独立加载的实例
别指望 global 或 classmethod 能绕过这个限制
在子进程中对类变量赋值时加 global 关键字毫无作用，因为 global 只影响当前作用域的变量查找链，不改变内存隔离事实；同理，@classmethod 方法里修改 cls.x 也只改当前进程内的类对象。
- 错误写法：
def worker(): A.x += 1→ 主进程打印A.x仍是初始值 - 错误写法：
@classmethod def inc(cls): cls.x += 1→ 各自进程内独立递增，无跨进程效果 - 真正起作用的只有显式共享机制：必须把数据托管到
multiprocessing.Manager()、multiprocessing.Value等 IPC 对象上
multiprocessing.Manager().dict() 是最常用的安全方案
如果类需要“看起来像”有共享状态（比如配置开关、统计计数），应把这类数据从类变量移到 Manager 托管对象中，并通过实例属性或类方法间接访问。
- 正确做法：在
__init__中接收shared_dict，所有读写走shared_dict['counter']，而非self.__class__.counter - 注意
manager.dict()返回的是代理对象，不支持.update()，得用shared_dict[key] = value逐项赋值 - 别在
with Manager() as manager:外保存代理对象引用，离开上下文后代理失效，再访问会抛RuntimeError - 类型安全提醒：若只存整数计数器，优先用
multiprocessing.Value('i', 0)，比manager.dict()快一个数量级，且避免序列化开销
最容易被忽略的坑是生命周期和启动方式混用
Windows/macOS 默认用 spawn，每次新建进程都要重新导入模块、重建类对象；Linux 默认 fork 虽快，但若子进程提前修改了类变量，可能干扰后续 fork 出的其他子进程（因写时复制尚未触发）。两种方式下，类变量都不具备跨进程一致性。
立即学习“Python免费学习笔记（深入）”；
- 调试时发现“有时能同步有时不能”，大概率是启动方式切换 + 类变量被意外修改导致的偶发现象
- 所有共享数据必须显式构造、显式传参，绝不能依赖模块导入顺序或类定义位置
- Manager 服务进程本身有独立生命周期，若主进程异常退出而未正常 shutdown，可能导致僵尸进程残留
