Python3多处理池在访问锁时无限调用初始值设定项

我想在子进程中使用

Lock

来处理文件。当我在初始值设定项中访问

Lock

时，

Pool

对初始值设定项进行无限递归调用

from multiprocessing import Lock, get_context


class MyClass(object):

    @classmethod
    def run_mp(cls, jobs):
        context = get_context('spawn')
        w_lock = Lock()
        with context.Pool(1, initializer=cls._mp_init, initargs=(w_lock, )) as pool:
            res = pool.map(cls._execute_job, jobs)
            pool.close()

    @classmethod
    def _mp_init(cls, w_lock):
        # global weights_lock
        # weights_lock = w_lock
        print('weights lock')
        print(w_lock)  # this line causes infinite calls to this method

    @classmethod
    def _execute_job(cls, job):
        pass


if __name__ == '__main__':
    jobs = [1]
    mc = MyClass()
    mc.run_mp(jobs)

预期产出

我在本地机器上获得了预期的输出—mac_os，python3.7

weights lock
<Lock(owner=unknown)>

如果我在

\u init\u mp

方法中注释掉

print（w_lock）

，那么输出仍然是预期的

weight lock

所以基本上，当我尝试访问

w\u lock

时，它会进入一个无限递归调用

\u init\u mp

我试过在不同的glcoud实例上以相同的行为运行它

---

我无法理解为什么在linux上访问锁会导致这样的行为。有什么解释吗？

使用

fork

方法时不会发生这种行为，但使用

spawn

和

forkserver

时，锁需要具有相同的上下文，因此需要

w_lock=context.lock（）

。作为旁注，删除

pool.close（）

，这就是pool的上下文管理器已经在为您做的事情。就是这样！谢谢我仍然不明白为什么它在MacOs上运行良好，而不是在Linux上。上下文在两者之间的工作方式是否不同？当您在Python 3.8+上时，macOS已经使用“spawn”作为默认值，这样您就不会尝试混合使用两种不同的启动方法，比如在Linux上尝试这种方法，其中“fork”仍然是默认值。啊，我明白了。这就是答案。谢谢

weight lock