Python 为什么windows和linux上的全局对象和函数参数的multiprocessing.Process行为不同

以下代码在windows和linux上运行时具有不同的输出（都使用python2.7）

“test.py”
导入模拟
从多处理导入进程
A类（对象）：
定义初始化（自）：
self.a=1
self.b=2
self.c=3
定义获取状态（自身）：
打印“\uu获取状态”
返回{'a'：self.a，'b'：self.b，
“c”：0}
def func（）：
导入\u mock.to\u mock=1
a=a（）
归还
第1（a）款：
打印a.a，a.b，a.c
将导入\u mock.打印到\u mock
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
a=func（）
p=进程（目标=func1，参数=（a，））
p、 开始（）
p、 加入

在windows上，输出为：

\u获取状态__
1 2 0
没有一个

这正是我所期望的

在linux上，它是：

123
1.

不会克隆全局对象和传递的参数

我的问题是为什么他们的行为不同？如何使linux代码的行为与windows one相同？

在linux（以及其他类似Unix的操作系统）上，Python的

多处理

模块使用

fork（）

创建有效继承父进程内存状态副本的新子进程。这意味着解释器不需要对作为

进程

的

参数

传递的对象进行pickle处理，因为子进程已经可以正常使用它们了

但是，Windows没有

fork（）

系统调用，因此

多处理

模块需要做更多的工作才能使子生成过程正常工作。首先是基于

fork（）

的实现，然后是非fork的Windows实现

---

值得注意的是，Python开发人员经常觉得，创建子进程与运行Python的平台有如此大的差异是有点不合适的。因此，在Python3.4中，添加了一个新的系统，允许您执行以下操作。选项有

“fork”

、

“forkserver”

和

“spawn”

。

“fork”

方法仍然是类Unix系统上的默认方法（在早期版本的Python中它是唯一的实现）。

“spawn”

方法是Windows上的默认（也是唯一）选项，但现在也可以在类似Unix的系统上使用。

“forkserver”

方法在某种程度上是两者的混合（并且仅在某些类似Unix的系统上可用）。您可以在文档中阅读有关方法之间差异的更多信息。

添加到@Blckknght的答案中：在Windows上，每个进程“从头开始”导入原始模块，而在Unix-y系统上，只有主进程运行整个模块，而所有其他进程都可以看到当时存在的任何模块。

fork（）

用于创建新流程（不，您不是在调用

fork（）

yourself-

multi-processing

internal在创建新流程时调用它）

具体而言，对于您的

导入\u mock

：

• 在所有平台上，主进程调用

  func（）

  ，将

  import\u mock.to\u mock

  设置为1

• 在Unix-y平台上，所有新进程都会看到这一点：

  fork（）

  发生在这之后，因此1是所有新进程继承的状态

• 在Windows上，所有新进程“从头开始”运行整个模块。因此，他们各自导入自己的全新版本的

  import\u mock

  。只有主进程调用

  func（）

  ，因此只有主进程看到

  to\u mock

  更改为1。所有其他进程都会看到fresh

  None

  状态

这一切都是意料之中的，实际上第二次很容易理解；-）

传递

a

的过程更微妙，因为它更依赖于

多处理

实现细节。该实现本来可以从一开始就选择在所有平台上pickle参数，但事实并非如此，现在在某些平台上进行更改而不破坏内容已经太晚了

由于写时复制

fork（）

语义，在Unix-y系统上不需要pickle

Process（）

参数，因此实现从未执行过。但是，如果没有

fork（）

，就必须在Windows上对它们进行pickle处理，实现也是如此

Python3.4允许您在所有平台上强制执行“Windows实现”（

spawn

），在此之前，没有机械的方法可以避免可能的跨平台意外

---

但实际上，我很少被这件事困扰。例如，我知道多重处理在很大程度上依赖于酸洗，所以我完全不想在任何地方玩腌菜的把戏。传递

a（）

实例时出现“问题”的唯一原因是，您正在玩pickle把戏（通过覆盖默认的

\uuu getstate\uuu（）

）。

因为在两个操作系统上实现的方式不同。文档提到，在Windows上，来自多处理的许多类型需要可拾取，以便子进程可以使用它们。这意味着，在其他操作系统上，它们不必如此。登录

多处理

模块的文档可能有助于解决您的特定问题。此外，如果您的Tensorflow模型在进程内运行，并且能够在Windows而不是Linux上使用GPU，则这也是问题的解决方案。您可以使用

mp.set_start_method（'spawn'）

切换到

spawn

，因为在Win上启动进程的默认值是

spawn

，在Linux上启动进程的默认值是

fork

。

'''import_mock.py'''
to_mock = None