python多进程共享数据必须使用multiprocessing模块提供的线程安全、进程安全原语。Manager()适合中低频、结构复杂的动态共享（如嵌套字典），Value/Array适合高频基础类型共享但需手动加锁，直接传普通对象或混用threading.Lock均无效。
Python多进程环境下，全局变量无法直接共享，因为每个进程有独立内存空间。要安全共享数据，必须借助 multiprocessing 模块提供的线程安全、进程安全的原语，而非普通 list/dict 等对象。
用 Manager() 创建可跨进程共享的数据结构
Manager 是最常用、最灵活的安全共享方式。它启动一个服务进程管理共享对象，其他进程通过代理（proxy）访问，所有操作自动加锁。
- 支持 list、dict、Namespace、Value、Array、Queue、Lock 等多种类型
- 适合中低频读写、结构较复杂（如嵌套字典、动态增删键值）的场景
- 性能略低于原始共享内存，但开发简单、不易出错
示例：
from multiprocessing import Process, Manager
def worker(shared_dict, idx):
shared_dict[f”task_{idx}”] = {“status”: “done”, “result”: idx ** 2}
if __name__ == “__main__”:
with Manager() as manager:
shared = manager.dict() # ← 安全共享字典
procs = [Process(target=worker, args=(shared, i)) for i in range(3)]
for p in procs: p.start()
for p in procs: p.join()
print(dict(shared)) # {‘task_0’: {…}, ‘task_1’: {…}, …}
用 Value / Array 实现高性能原子共享变量
当只需共享基础类型（int/Float/bool）或固定长度数组时，Value 和 Array 更轻量、更快，底层基于共享内存 + 锁，无需 Manager 进程开销。
立即学习“Python免费学习笔记（深入）”；
- Value 类似 ctypes 变量，支持 c_int、c_double 等类型
- Array 支持一维同构数组（如 1000 个 float），不支持嵌套或动态扩容
- 必须显式加锁（Lock）才能保证多写安全，读操作通常可不加锁
示例（计数器）：
from multiprocessing import Process, Value, Lock
def increment(counter, lock, n):
for _ in range(n):
with lock:
counter.value += 1
if __name__ == “__main__”:
counter = Value(‘i’, 0) # ‘i’ 表示 signed int
lock = Lock()
procs = [Process(target=increment, args=(counter, lock, 1000)) for _ in range(5)]
for p in procs: p.start()
for p in procs: p.join()
print(counter.value) # 5000（无竞态）
避免踩坑：哪些“共享”其实是假共享？
以下做法看似共享，实则无效或危险：
- 直接传普通 list/dict 给子进程 → 子进程拿到的是副本，修改不影响父进程
- 在子进程中修改全局变量 → 各自进程的全局变量互不干扰
- 用 threading.Lock 保护 multiprocessing 共享对象 → 锁不跨进程，完全无效
- 对 Manager proxy 对象做本地缓存（如 cached = list(shared_list)）→ 后续修改不会同步，应始终操作 proxy 本身
按场景选型建议
- 需要字典/列表动态增删、结构较复杂 → 用 Manager.dict() / Manager.list()
- 高频读写单个数值或固定数组（如统计、缓冲区）→ 用 Value / Array + Lock
- 需传递大量只读数据（如模型参数、配置）→ 用 继承自 multiprocessing.Process 的类 + 初始化参数传入，避免共享（更高效）
- 需协调多个进程执行顺序 → 结合 Event、Semaphore、Condition 等同步原语
基本上就这些。核心就一条：共享 ≠ 直接引用，必须走 multiprocessing 提供的受控通道。