python多进程死锁主因是模块顶层执行不兼容初始化操作，尤其spawn模式下需将queue、lock等对象创建及process启动置于if name == '__main__':块内，并规避第三方库隐式全局初始化。
Python多进程启动时出现死锁，多数情况源于在主模块顶层（或 if __name__ == '__main__': 之外）执行了不兼容多进程的初始化操作，尤其在 Windows/macOS 的 spawn 启动方式下尤为敏感。
避免在模块顶层创建进程相关对象
全局变量、类属性或模块级代码中若初始化了 multiprocessing.Queue、Manager()、Lock、Event 等对象，子进程在 spawn 模式下会尝试重新导入主模块并重复执行这些语句，导致资源竞争或阻塞。
- ❌ 错误示例：
from multiprocessing import Queue<br>q = Queue() # 模块加载时就创建，子进程也会执行这一行
- ✅ 正确做法：所有进程间通信对象应在
if __name__ == '__main__':块内创建，或通过Process的args/kwargs显式传入。
确保入口函数受 if __name__ == '__main__' 保护
这是 spawn 模式（Windows/macOS 默认）的硬性要求。未加保护的顶层代码会在每个子进程中再次运行，可能重复启动进程、重复绑定端口、重复初始化日志等，引发死锁或异常。
- 必须将
Process(...).start()、Pool()、spawn相关调用放在该判断块内； - 若使用
concurrent.futures.ProcessPoolExecutor，同样需要包裹； - 注意：即使你只在 Linux 下开发，也应始终遵守该规范，否则跨平台部署会出问题。
警惕第三方库的隐式初始化
某些库（如 torch、tensorflow、logging 配置、matplotlib）在首次导入或调用时会做全局状态初始化，可能依赖线程/信号/文件锁，在 fork/spawn 下行为异常。
立即学习“Python免费学习笔记（深入）”；
- PyTorch 默认启用多进程数据加载（
DataLoader(num_workers>0)），需设if __name__ == '__main__':且推荐设置torch.multiprocessing.set_start_method('spawn')； - 避免在主模块顶层调用
logging.basicConfig()，改在主函数或 worker 函数内部按需配置； - Matplotlib 在非交互后端下（如 'Agg'）更安全，可在子进程内首行设置
import matplotlib; matplotlib.use('Agg')。
慎用 fork 方式绕过限制（不推荐）
Linux 支持 fork 启动方式，能复用父进程内存状态，对顶层初始化容忍度更高。但：
- fork 不跨平台，Windows/macOS 不支持；
- fork 后若子进程修改了共享状态（如全局 dict、open 的文件句柄），可能引发不可预测行为；
- 现代 Python（3.14+）已明确建议优先使用 spawn；
- 显式调用
set_start_method('fork')可能掩盖设计缺陷，应优先修正初始化逻辑而非切换启动方式。
