python multiprocessing 绕过 gil 靠独立进程副本；process 不执行目标函数主因未加 if name == '__main__': 保护（windows/macos）或含不可序列化对象（spawn）；pool 中 apply 同步阻塞，apply_async 异步获结果，map 同步分片迭代；多进程写文件需避免竞态，优先用 queue 汇总或原子 os.write；跨进程传递数据必须可序列化，资源如数据库连接不可共享。
Python 的 multiprocessing 模块不是“多线程加强版”，它绕过 GIL 的本质是靠真正独立的进程副本——每个子进程都有自己的内存空间、Python 解释器和 GIL 实例。
为什么 Process 启动后不执行目标函数？
常见现象：调用 p.start() 后程序直接退出，目标函数没打印任何日志，也没报错。
- Windows/macOS 上必须将进程创建逻辑放在
if __name__ == '__main__':保护块内，否则子进程会重新导入主模块并递归启动新进程 - Linux 虽支持
fork，但若主模块含不可序列化对象（如打开的文件句柄、threading.Lock），spawn启动方式下也会静默失败 - 检查
p.exitcode是否为None（未启动）、0（成功）或负数（被信号终止）
Pool 的 apply vs apply_async vs map 怎么选？
三者底层都走 worker 进程池，但调用语义和阻塞行为差异极大：
-
apply(func, args)：同步阻塞，等结果返回才继续；适合单次、耗时长、需强顺序的计算 -
apply_async(func, args)：立即返回AsyncResult对象，用.get(timeout=...)拉取结果；适合需要超时控制或组合多个异步任务的场景 -
map(func, iterable)：同步阻塞，但自动分片迭代；要求iterable可长度预估（否则无法分发），且所有任务参数结构一致
from multiprocessing import Pool
<p>def square(x):
return x * x</p><p>if <strong>name</strong> == '<strong>main</strong>':
with Pool(2) as p:</p><h1>同步获取 [0,1,4,9]</h1><pre class='brush:python;toolbar:false;'> res1 = p.map(square, [0, 1, 2, 3])
# 异步提交，手动等待
res2 = p.apply_async(square, (5,))
print(res2.get()) # 输出 25子进程如何安全读写同一文件？
多个进程直接用 open(..., 'a') 追加写，看似安全，实则可能因缓冲/系统调用原子性不足导致内容错乱（尤其小写入+高并发）。
立即学习“Python免费学习笔记（深入）”；
- 避免让多个进程同时写同一文件路径；优先用进程间通信（
Queue/Pipe）把数据汇总到主进程再写 - 若必须分散写，用
os.open(..., os.O_WRONLY | os.O_APPEND | os.O_CREAT)+os.write()，确保追加是原子的（仅限单次写入 ≤ 4KB） - 跨平台统一方案：用
multiprocessing.Lock包裹print()或f.write()，但会严重拖慢吞吐，仅适用于调试日志
真正难的不是启动几个进程，而是理解哪些数据能跨进程边界安全传递（必须可序列化）、哪些状态根本不能共享（比如数据库连接、GUI 句柄）、以及父子进程生命周期如何耦合。一个没关掉的 Queue 或忘了 join() 的 Process，就足以让程序 hang 在退出阶段。
