为什么带有酸洗的多处理序列化取决于范围？

Question

我试图了解并发性一般是如何工作的，在这种情况下，它是如何在 Python 中具体工作的。

我使用inputs 库已经有一段时间了，并且在使用它生成进程时总是不得不“作弊” - 使用subprocess.Popen 执行脚本。今天，我不假思索地将一行代码放在了不同的地方，并成功地生成了一个针对函数的Process。但我不明白为什么它会起作用......

以下代码公开了两个简单的类，一个在 self 中包含对controller 的引用，而另一个没有（并使用模块中声明的全局引用）：

import inputs
import multiprocessing
import time

controller = inputs.devices.gamepads[0]


class TestBroken:

    def __init__(self):
        self.controller = controller

    def read(self):
        while True:
            ev = self.controller.read()[0]
            print(ev.code, ev.state)


class TestWorking:

    def read(self):
        while True:
            ev = controller.read()[0]
            print(ev.code, ev.state)


if __name__ == '__main__':
    t = TestWorking()
    # Uncomment the line below to get the errors
    #t = TestBroken()
    multiprocessing.Process(target=t.read).start()
    while True:
        print("I'm alive!")
        time.sleep(1)

取消注释#t = TestBroken()后的错误如下：

Traceback (most recent call last):
  File "C:/Coding/...", line 31, in <module>
    multiprocessing.Process(target=t.read).start()
  File "C:\Python\lib\multiprocessing\process.py", line 121, in start
    self._popen = self._Popen(self)
  File "C:\Python\lib\multiprocessing\context.py", line 224, in _Popen
    return _default_context.get_context().Process._Popen(process_obj)
  File "C:\Python\lib\multiprocessing\context.py", line 326, in _Popen
    return Popen(process_obj)
  File "C:\Python\lib\multiprocessing\popen_spawn_win32.py", line 93, in __init__
    reduction.dump(process_obj, to_child)
  File "C:\Python\lib\multiprocessing\reduction.py", line 60, in dump
    ForkingPickler(file, protocol).dump(obj)
AttributeError: Can't pickle local object 'CDLL.__init__.<locals>._FuncPtr'

我不太明白存储对对象的引用如何使pickle 变得疯狂，同时允许在模块级别存储相同的引用。我恳请您协助揭开这个问题背后的奥秘。

Answer 1

当启动多进程时，父进程的全局变量被复制到创建的多个子进程中。因此，父进程的任何更改都不应反映在子进程的副本上。 TestBroken 类中的代码部分有一个构造函数，它将类变量分配给全局变量，然后尝试读取它。而 TestWorking 类只是创建了一个局部变量 ev 来读取控制器（在全局范围内）。