在多处理模块中使用 Pool 修改全局变量

Question

我不熟悉多处理模块。我正在尝试验证不同过程中的变量是否无关紧要。经过测试，我发现不同的进程可能“共享”变量。当进程具有相同的 pid 时会发生这种情况。不知道有没有关系？

环境：Windows 10；蟒蛇3.7

# -*- coding: utf-8 -*-

import os
from multiprocessing import Pool

p=0

def Child_process(id_number):
    global p
    print('Task start: %s(%s)' % (id_number, os.getpid()))
    print('p = %d' % p)
    p=p+1
    print('Task {} end'.format(id_number))


if __name__ == '__main__':
    p = Pool(4)
    p.map(Child_process,range(5))
    p.close()
    p.join()

结果是： 任务开始：0(7668)
p = 0
任务开始：1(10384)
任务 0 结束
p = 0
任务开始：2(7668)
p = 1
任务 1 结束
任务 2 结束
任务开始：3(7668)
任务开始：4(10384)
p = 1
任务 4 结束
p = 2
任务 3 结束

我认为p应该总是0，但是当不同进程具有相同的pid时它会增加？

Answer 1

根据定义，线程/进程池将重复使用相同的线程/进程。这使您可以在线程/进程启动时设置资源，以便每个线程/进程不必每次都初始化它们。这包括全局变量、打开的文件、套接字等。您可以通过将initializer 函数传递给线程/进程来进行一次性初始化。因此，如果您设置或增加变量p，它将在整个过程的各种运行中保持设置。如果您希望变量在每次运行时始终从 0 开始，则需要在每次运行开始时将其设置为 0。

此注释属于multiprocessing.pool.Pool 类：

注意：池中的工作进程通常在池的工作队列的整个持续时间内都存在。在其他系统（如 Apache、mod_wsgi 等）中发现的一种常见模式是释放工作人员持有的资源，即允许池中的工作人员在退出、清理和产生新进程之前只完成一定数量的工作替换旧的。池的 maxtasksperchild 参数向最终用户公开了这种能力。