python 的 multiprocessing 无法直接序列化绑定方法（如 `obj.method`），因其依赖于不可跨进程传递的实例引用；正确做法是将逻辑封装为可调用函数，或确保实例创建和方法调用均发生在子进程中。
在使用 multiprocessing.Process 时，目标函数（target）必须是可被 pickle 序列化的对象——这是进程间传递函数和参数的基础。而类的绑定实例方法（例如 instance.method）在默认情况下无法被正确序列化，因为 self 引用指向的是父进程中的内存对象，子进程无法访问该地址空间。
你最初尝试的代码存在两个关键问题：
- 方法定义缺失 self 参数：def sleeper(sec): 是一个静态签名，但被声明为实例方法（无 @staticmethod 装饰），导致调用时参数不匹配；
- 错误地试图跨进程传递已绑定方法：sleepingClass.sleeper 是一个绑定方法对象，其底层包含对父进程实例的引用，无法安全传输到子进程。
✅ 正确解法是：让实例的创建和方法调用都发生在子进程中，而非在主进程中创建实例再传入。这样每个进程拥有独立的内存副本，避免序列化瓶颈。
以下是推荐的三种实践方式：
立即学习“Python免费学习笔记（深入）”；
✅ 方式一：在目标函数中创建并调用实例（最推荐）
import multiprocessing import time class SleepingClass: def __init__(self, sec): self.sec = sec def sleeper(self): print(f'sleeping for {self.sec} seconds...') time.sleep(self.sec) def run_sleeper(sec): # 子进程中创建实例并执行 instance = SleepingClass(sec) instance.sleeper() if __name__ == "__main__": process = multiprocessing.Process(target=run_sleeper, args=(2,)) process.start() process.join() # 等待完成，便于观察输出✅ 方式二：使用 functools.partial 预设参数（适用于简单场景）
from functools import partial import multiprocessing import time class SleepingClass: def __init__(self, sec): self.sec = sec def sleeper(self): print(f'sleeping for {self.sec} seconds...') time.sleep(self.sec) if __name__ == "__main__": # 注意：不能直接传 sleepingClass.sleeper！ # 而应通过工厂函数 + partial 构造可序列化目标 def create_and_run(sec): SleepingClass(sec).sleeper() process = multiprocessing.Process(target=create_and_run, args=(3,)) process.start() process.join()⚠️ 注意事项
- ❌ 不要尝试 pickle 绑定方法（如 pickle.dumps(obj.method)），会抛出 AttributeError 或 TypeError；
- ✅ 所有共享数据需通过 multiprocessing.Queue、multiprocessing.Pipe 或 multiprocessing.Manager 显式传递；
- ✅ 始终在 if __name__ == “__main__”: 下启动进程，尤其在 windows 上防止递归创建子进程；
- ✅ 使用 process.join() 同步主进程，避免主程序提前退出导致子进程被终止。
总结：多进程不是“复制对象”，而是“复制执行环境”。把类实例的生命周期限制在单个进程中，是保证健壮性和可移植性的核心原则。