Python multiprocessing模块通过独立进程绕过GIL实现CPU密集型任务多核并发，需掌握进程创建、进程池、进程间通信及异常处理四大核心环节。
Python 的 multiprocessing 模块是解决 CPU 密集型任务并行化的标准方案，它通过启动独立进程绕过 GIL 限制，真正实现多核并发。关键在于理解进程隔离性、合理选择通信方式，并避免常见陷阱。
进程创建与基本用法
使用 Process 类可手动管理子进程，适合控制粒度高、生命周期明确的任务。
- 目标函数不能是嵌套或 lambda 函数（需能被 pickle 序列化）
- 调用
.start()启动进程，.join()等待结束，不调用join可能导致主程序退出而子进程被强制终止 - 示例：计算斐波那契数列的两个大值，分别交由两个进程执行
进程池高效处理批量任务
Pool 是最常用的方式，自动管理进程生命周期和任务分发，适合大量同构任务。
-
pool.map()顺序阻塞执行，返回结果列表，输入可迭代对象 -
pool.apply_async()异步提交，返回AsyncResult对象，可用.get(timeout=)获取结果 - 注意：默认进程数为
os.cpu_count()，I/O 密集型任务不宜盲目增加进程数
进程间数据共享与通信
进程内存隔离，不可直接读写全局变量。需借助专用机制：
立即学习“Python免费学习笔记（深入）”；
-
Queue和Pipe：安全传递任意可序列化对象，Queue支持多生产者/消费者，Pipe更快但仅限双端通信 -
Value/Array：共享简单 C 类型数据（如 int、float、ctypes 数组），需加锁防止竞争 - 避免用全局变量+多进程修改——看似生效实则每个进程操作的是副本
异常处理与资源清理
子进程崩溃不会自动传播到主进程，容易静默失败。
- 在子进程中捕获异常并显式记录日志，或通过
Queue发送错误信息回主进程 - 使用
with Pool() as pool:确保进程池正常关闭；手动创建的进程建议在finally或atexit中调用.close()和.join() - Windows 下需将进程启动代码放入
if __name__ == '__main__':块，防止递归创建子进程
不复杂但容易忽略。掌握这四个核心环节，就能稳定写出高效、健壮的多进程 Python 程序。
