joblib.dump 不支持 mmap_mode 参数，该参数仅对 joblib.load 有效；正确用法是 dump 时不传，load 时指定 ‘r’ 或 ‘c’ 以实现大数组内存映射。
joblib.dump 用 mmap_mode='r' 为什么反而报错？
因为 mmap_mode 只对 joblib.load 生效，dump 时传了也直接忽略。常见错误是看到文档里写了 mmap_mode，就顺手塞进 dump 调用里，结果既没效果，还可能掩盖真正问题。
真正起作用的场景是：先用 joblib.dump(obj, 'data.pkl') 存好，之后在 load 时加 mmap_mode='r' 或 'c'，让大数组不全载入内存。
-
mmap_mode='r'：只读映射，适合只读分析，进程退出后自动释放 -
mmap_mode='c'：copy-on-write，允许修改但不写回磁盘，适合临时计算 - 如果文件被其他进程锁住、或路径不存在、或权限不足，
load会抛OSError: [errno 22] Invalid argument - Windows 上对 mmap 支持较弱，尤其 NTFS 压缩文件夹或 onedrive 同步目录里，容易触发
ValueError: mmap Length is greater than file size
哪些对象能从 mmap_mode 真正受益？
只有内部含大型 numpy.ndarray（且 dtype 是基础类型如 float64、int32）的对象才走内存映射路径。普通 dict、list、pandas DataFrame（底层虽用 ndarray，但 joblib 默认不 mmap 其 block）、自定义类实例——统统不映射，还是全量反序列化。
验证方法：用 joblib.load('x.pkl', mmap_mode='r') 加载后，检查关键数组的 .base 是否为 mmap.mmap 实例：
立即学习“Python免费学习笔记（深入）”；
import numpy as np arr = joblib.load('big_array.pkl', mmap_mode='r') print(type(arr.base)) # 应该是 <class 'mmap.mmap'>- 小数组（默认小于 1MB）即使指定
mmap_mode也不会映射，joblib 认为不值得开销 - 如果数组是 view（比如
a[::2]），则.base指向原 mmap，但自身仍算“映射数组” - 混用不同 dtype 的结构化数组（如
np.dtype([('x', 'f4'), ('y', 'i8')])）可能 fallback 到普通加载
多进程共享同一个 joblib 文件，mmap_mode='r' 安全吗？
安全，前提是所有进程都只读。多个进程同时以 mmap_mode='r' 打开同一文件，底层共用同一段物理内存页，零拷贝、低延迟、省内存。
但要注意：
- 不能有任一进程用
mmap_mode='r+'或'w+'，否则触发写时复制（COW）或直接报错 - 文件不能被外部程序（如文本编辑器、ide）意外修改，否则 mmap 区域内容会突变，导致静默计算错误
- linux 下若文件被
truncate缩小，已映射区域访问会触发signal 7 (SIGBUS)，python 进程直接崩溃，无 traceback - joblib 不做文件锁，靠使用者保证“写完再读”，推荐用原子重命名（
os.replace()）更新文件
替代方案：什么时候该放弃 joblib mmap，改用 np.memmap？
当你要精细控制数据布局、需要随机访问子区间、或必须跨语言（如 C/Fortran）读取时，joblib 的封装反而碍事。它把 mmap 隐藏在 pickle 流里，没法跳过 header 直接寻址。
例如处理 TB 级遥感影像切片，常用做法是：
arr = np.memmap('data.bin', dtype='float32', mode='r', shape=(10000, 10000)) tile = arr[1000:1100, 2000:2100] # 零拷贝切片-
np.memmap明确分离“文件布局”和“逻辑视图”，调试时可直接用hexdump查看二进制 - joblib 的 mmap 是 pickle 协议的一部分，无法用非 Python 工具解析
- 如果你的 pipeline 里已有大量
np.memmap逻辑，硬套 joblib 反而增加序列化/反序列化开销
复杂点在于：joblib 的 mmap 是“透明”的，你几乎感觉不到；而 np.memmap 要自己管 shape、dtype、offset，错一点就 segfault。别为了省几行代码，把内存地址当玩具玩。