Python 在派生进程中读取OS环境变量

这类似于但适用于

多处理

，而不是

子流程

。与

子流程

不同，在使用

多处理

时，动态更改

pythonhasheed

似乎没有效果：

#check_environ.py
import os, multiprocessing, subprocess, sys

s = 'hello'
print('parent', os.getenv('PYTHONHASHSEED'), hash(s))

if len(sys.argv) > 1:
    os.environ['PYTHONHASHSEED'] = sys.argv[1]
subprocess.call(['python', '-c', "import os;print('subprocess', os.getenv('PYTHONHASHSEED'), hash('{}'))".format(s)])
multiprocessing.Process(target=lambda:print('multiprocessing', os.getenv('PYTHONHASHSEED'), hash(s))).start()

运行示例：

# explicit PYTHONHASHSEED for subprocess/multiprocessing 
$ python check_environ.py 12

parent None 4472558296122225349
subprocess 12 -8207222429063474615
multiprocessing 12 4472558296122225349

# random PYTHONHASHSEED for subprocess/multiprocessing 
$ python check_environ.py

parent None 7990499464460966677
subprocess None 1081030409066486350
multiprocessing None 7990499464460966677

---

因此，无论如何，

多处理

哈希使用与父项相同的种子。有没有办法强制

多处理产生的子进程使用不同的哈希种子？
每个
python
进程都是在新的操作系统环境中启动的，而在
多处理
的情况下，只有一个进程是共享的，并从父进程继承。
您可以使用“fork”以外的另一种启动方法来创建进程。您的操作系统正在使用fork（使用lambda作为目标不会得到
PicklingError
）

您可以使用
多处理将启动方法更改为“spawn”（Windows上的默认和唯一选项）。如果可用，请将启动方法（“spawn”）设置为“forkserver”。使用
多处理获取所有可用方法。获取所有\u开始\u方法（）

终端中的输出：

$ python check_environ.py 12

parent None 4279361553958749032
subprocess 12 -8207222429063474615
multiprocessing 12 -8207222429063474615

如果需要多次在开始方法之间切换，请使用上下文对象设置开始方法：

ctx = mp.get_context('spawn')
p = ctx.Process(target=foo, args=(var,))

但要准备好为使用除fork以外的另一种启动方法而付出巨大的时间代价。我刚刚在运行Ubuntu 18.04的机器上启动了一个python进程，并使用以下工具进行了基准测试：


fork 1.59毫秒
forkserver 289.83毫秒
产卵348.20毫秒

但这并不一定与您的用例相关。
注意：如果您使用
多处理.Pool
，而不是手动创建
过程
对象，则惩罚应该更小；当然，创建池的成本仍然会更高，但是工作进程被许多任务重用，而不是每个任务一个新的派生进程。嗨@Darkonaut，我有一个关于在Windows笔记本电脑上运行
多处理.pool
的问题。我希望你能花点时间来检查一下这个问题。非常感谢你的帮助！
ctx = mp.get_context('spawn')
p = ctx.Process(target=foo, args=(var,))