fork复制父进程全部内存状态，spawn启动全新解释器仅导入必要模块；前者易导致日志重复、数据库连接失效，后者可能因不可序列化对象报picklingerror。
spawn 和 fork 启动方式的实际区别在哪
Windows 上只能用 spawn，Linux/macOS 默认用 fork，但两者行为差异远不止平台限制。关键在于内存和状态继承方式：fork 复制父进程整个地址空间（含已初始化的模块、全局变量、日志 handler、数据库连接等），而 spawn 是全新 Python 解释器启动，只导入必要模块，重新执行顶层代码。
常见错误现象：fork 下子进程意外复用了父进程的 logging 配置，导致日志重复输出；或复用了已关闭的数据库连接，抛出 sqlite3.ProgrammingError: Cannot operate on a closed database；spawn 则可能因顶层代码中含不可序列化对象（如 lambda、嵌套函数）而卡在 PicklingError。
- 若主模块顶层有副作用（如
logging.basicConfig()、torch.set_num_threads(1)），优先选spawn避免污染 - 若需快速启动且确定无共享资源冲突（如纯计算任务），
fork启动更快、内存开销更低 - 跨平台项目必须显式设
mp.set_start_method('spawn')，否则 macOS 10.15+ 的默认forkserver可能引发 PyTorch 多线程死锁
forkserver 模式到底该不该用
forkserver 是折中方案：先启一个干净的“服务器进程”，后续子进程都从它 fork 而来，避免每次启动都重新 import 模块。但它不是万能解药——服务器进程本身仍用 fork 初始化，所以父进程里已触发的副作用（比如 numpy 的线程池初始化）依然会被继承。
使用场景有限：适合启动开销大（如加载大型模型）、且父进程能严格控制副作用的长期运行服务。普通脚本反而更易出问题。
立即学习“Python免费学习笔记（深入）”；
随着国民健身意识越来越强，各式各样的健身模式不断出现。瑜伽也受到了大众的喜爱，瑜伽行业发展越来越快,作为馆主，你还在微信群里让你的会员使用接龙的方式进行约课吗？你还在用传统的Excel进行排课吗？如果有一款小程序会员点一下就能约课，会不会让你惊喜、意外、激动——没错，瑜伽预约小程序就是为了解决馆主会员约课的痛点应运而生。功能包括瑜伽馆动态，瑜伽常识，瑜伽老师预约，瑜伽课程预约等模块。
- PyTorch 用户慎用：
forkserver与torch.set_num_threads()冲突，子进程可能卡死在pthread_create - 不能在 Jupyter 中安全使用：
forkserver依赖 Unix 域套接字，notebook 内核环境不稳定，常报OSError: [Errno 24] Too many open files - 调试困难：服务器进程不输出日志，子进程崩溃时错误堆栈可能丢失上下文
如何安全地切换启动方法
必须在所有 Process 或 Pool 创建前调用 set_start_method()，且只能调用一次。放在 if __name__ == '__main__': 块最外层是最稳妥的做法。
容易踩的坑是：在模块导入时就创建了 Pool（比如某些包的 __init__.py 里），此时再调 set_start_method 会直接报 RuntimeError: context has already been set。
- 检查是否已有子进程存在：
mp.active_children()返回非空列表时禁止切换 - macOS 上避免在
fork后调set_start_method('spawn')，会触发AssertionError: can only be called in main thread - 多进程嵌套场景（如主进程 spawn 子进程，子进程再开 Pool），内层必须显式传入
mp.get_context('spawn')，不能依赖全局 context
Windows 下 multiprocessing 报错 "AttributeError: Can't get attribute" 怎么修
这是 spawn 模式下最典型的反序列化失败，本质是子进程无法定位函数定义位置。根本原因不是函数没写对，而是 Python 不知道该去哪 import 它——尤其当函数在交互式环境、Jupyter cell 或临时脚本中定义时。
核心原则：所有要被子进程调用的函数，必须位于可 import 的 .py 文件顶层，且模块路径能被子进程的 sys.path 找到。
- 别把 target 函数写在
if __name__ == '__main__':里，子进程不会执行这个块 - Jupyter 中必须用
%run -i script.py或将函数移到独立文件，不能靠def f(): ...+p = Process(target=f) - 使用
functools.partial包装函数时，确保被包装的原函数可 import，而非局部变量 - 错误信息里的函数名（如
Can't get attribute 'worker' on <module from></module>）提示你：子进程当前模块名是__mp_main__，不是你的原文件名
启动模式不是性能开关，而是进程隔离策略的选择。真正难处理的从来不是怎么切，而是切完之后——那些你以为没影响、其实已被复制进子进程的全局状态。
