在多处理模块中使用Pool修改全局变量

Question

我对多处理模块不熟悉。 我正试图验证不同过程中的变量是否相关。 测试之后，我发现不同的进程可能会“共享”变量。 当进程具有相同的pid时会发生这种情况。 我不确定是否有关系？

环境：Windows 10; python 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应该始终为0，但是当不同进程具有相同的pid时，p会增加？

Answer 1

根据定义，线程/进程池将重用相同的线程/进程。 这样，您就可以在线程/进程启动时设置资源，这样每个线程/进程就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initializer 。 因此，如果设置或增加变量p ，它将在过程的各个运行过程中保持设置状态。 如果您希望每次运行变量始终从0开始，则需要在每次运行开始时将其设置为0。

此注释位于multiprocessing.pool.Pool类中：

注意：池中的工作进程通常在池工作队列的整个期间内都处于活动状态。 在其他系统（例如Apache，mod_wsgi等）中发现的释放工人资源的常见模式是允许池中的工人在退出，清理和产生新进程之前仅完成一定数量的工作。取代旧的。 池的maxtasksperchild参数向最终用户公开了此功能。