Python os.fork和multiprocessing.Process之间的行为差异

我有以下代码：

import os

pid = os.fork()

if pid == 0:
    os.environ['HOME'] = "rep1"
    external_function()
else:
    os.environ['HOME'] = "rep2"
    external_function()

from multiprocessing import Process, Pipe

def f(conn):
    os.environ['HOME'] = "rep1"
    external_function()
    conn.send(some_data)
    conn.close()

if __name__ == '__main__':
    os.environ['HOME'] = "rep2"
    external_function()
    parent_conn, child_conn = Pipe()
    p = Process(target=f, args=(child_conn,))
    p.start()
    print parent_conn.recv()
    p.join()

该代码：

import os

pid = os.fork()

if pid == 0:
    os.environ['HOME'] = "rep1"
    external_function()
else:
    os.environ['HOME'] = "rep2"
    external_function()

from multiprocessing import Process, Pipe

def f(conn):
    os.environ['HOME'] = "rep1"
    external_function()
    conn.send(some_data)
    conn.close()

if __name__ == '__main__':
    os.environ['HOME'] = "rep2"
    external_function()
    parent_conn, child_conn = Pipe()
    p = Process(target=f, args=(child_conn,))
    p.start()
    print parent_conn.recv()
    p.join()

external_函数

通过在环境变量

HOME

中找到的目录中创建必要的子目录来初始化外部程序。此函数在每个进程中仅执行一次此操作

在第一个示例中，使用了

os.fork（）

，目录按预期创建。但在第二个示例中，使用了

多处理

，只创建了

rep2

中的目录

---

为什么第二个示例不在

rep1

和

rep2

中创建目录？

要直接回答您的问题，必须有

外部\u过程的一些副作用，这使得在串联运行代码时，得到的结果与同时运行它们时不同。这是由于您如何设置代码，以及在支持
os.fork
的系统中
os.fork
和
multi-processing.Process
之间缺乏差异


os.fork
和
multi-processing.Process
之间唯一的真正区别是可移植性和库开销，因为windows不支持
os.fork
，并且包含了
multi-processing
框架，以使
multi-processing.Process
工作。这是因为
os.fork
由
multiprocessing.Process
作为备份调用

因此，重要的区别是
os.fork
使用Unix的forking复制当前进程中的所有内容，这意味着在forking时，两个进程是相同的，但存在PID差异。在窗口中，通过重新运行
之前的所有设置代码（如果uuu name\uuuu=='\uuu main\uuuu'：
）来模拟这一点，这与使用
子流程
库创建子流程大致相同

对于您来说，您提供的代码片段所做的事情与上面完全不同，因为在第二个代码片段中打开新进程之前，您在main中调用了
external\u function
，这使得两个进程串联运行，但在不同的进程中运行。此外，管道是不必要的，因为它不模拟来自第一个代码的任何功能

在Unix中，代码段包括：

import os

pid = os.fork()

if pid == 0:
    os.environ['HOME'] = "rep1"
    external_function()
else:
    os.environ['HOME'] = "rep2"
    external_function()

以及：

应该做完全相同的事情，但是从包含的多处理库中获得一点额外的开销


如果没有进一步的信息，我们无法找出问题所在。如果您能提供演示该问题的代码，我们将为您提供帮助。
您正在寻找的答案已详细说明。对于不同操作系统之间的差异也有解释

一个大问题是
fork
系统调用在Windows上不存在。因此，在运行Windows操作系统时，不能使用此方法<代码>多处理

是执行当前运行程序的一部分的高级接口。因此，它——就像forking一样——创建流程当前状态的副本。也就是说，它为您处理程序的分叉

---

因此，如果可用的话，可以考虑<代码> FoK（）/Case>一个低级接口来分叉程序，而多重处理库是一个更高级别的分叉接口。

我不能重现你所看到的问题。我编写了一个

external_函数

如下：

def external_函数（）：print os.environ['HOME']

，发现

多处理

示例输出的正是我所期望的；'“rep1”、“rep2”和我从

conn.send

发回的字符串都被打印出来了。我想你会找到答案的。我执行的函数是

getInstalledPackages

from.@andi这就是我怀疑的。如果你写一个答案，我会接受的，我会这么做的。给我一分钟。Dano的示例与我的函数不一样。但他的评论仍然有效，如果没有您的输入，我们无法复制您遇到的行为。如果您想复制我遇到的行为，您必须安装一组软件包。如果Dano的编辑是正确的，如果你不知道软件包的名称，我们就无法回答你的问题。如果你知道它们之间的区别，你可以回答我的问题。请注意，如果其他人有与上述用户相同的问题，此答案只提供另一个链接。如果你能按照社区指导方针的要求，在回答中提供相关信息，我将取消我的否决票。我希望这就是你的要求。否则让我知道。谢谢你的批评。它实际上并没有在Windows中创建当前进程的副本。否则，列出的所有警告都不会成为问题。请参阅我的答案以了解更多详细信息。“为您处理分叉”。。。如果我的程序在锁内分叉怎么办。预计会出现僵局吗？如果在我和forking之间有一个抽象层，那么细节是很重要的。