在Cura插件中实现Python多进程/多线程的方案咨询

问题背景 #

我正在开发一款用于修改3D打印G代码的Python脚本，原脚本使用multiprocessing实现多进程，代码如下：

if __name__ == '__main__':  # MultiProcessing
        with Pool() as p:
            resultat = p.map(traitement_gcode_lineaire,liste_traitement)
    if len(resultat)!=0 :
        for result in resultat :
            fichier += result

单独运行脚本时工作正常，但集成到3D切片软件Cura的插件中后，__name__的值始终为'PostProcessingPlugin.PostProcessingPlugin.ModificationGcodeMultiProcessing'（ModificationGcodeMultiProcessing是脚本文件名），而非'__main__'。

尝试将判断条件改为if __name__ == 'PostProcessingPlugin.PostProcessingPlugin.ModificationGcodeMultiProcessing':，导致无限循环；换用multithreading时也遇到相同的__name__问题，现寻求该场景下实现多进程/多线程的可行方案。

注：traitement_gcode_lineaire是用于修改G代码的函数，liste_traitement是该函数所需参数的列表。

可行解决方案 #

方案1：使用spawn启动方式封装进程逻辑 #

Cura插件环境下，Python多进程默认的fork启动方式会重复加载模块引发循环，改用spawn启动方式，并将进程执行逻辑封装到独立函数中，避免模块级代码重复执行：

from multiprocessing import Pool, get_context

def run_processing():
    with get_context("spawn").Pool() as p:
        return p.map(traitement_gcode_lineaire, liste_traitement)

# 在插件主逻辑中直接调用，无需依赖__name__判断
resultat = run_processing()
if resultat:
    for result in resultat:
        fichier += result

spawn方式会启动全新的Python解释器，仅导入必要模块，从根源避免循环问题。

方案2：改用线程池（规避__name__依赖） #

若G代码处理为IO密集型任务，线程池更轻量，且无需处理多进程的模块加载问题。直接使用concurrent.futures.ThreadPoolExecutor，无需依赖__name__判断：

from concurrent.futures import ThreadPoolExecutor

with ThreadPoolExecutor() as executor:
    resultat = list(executor.map(traitement_gcode_lineaire, liste_traitement))

if resultat:
    for result in resultat:
        fichier += result

线程池在当前进程内运行，不会触发模块重复导入，自然不存在__name__相关的循环问题。

方案3：手动控制进程启动入口（备选） #

若必须使用multiprocessing.Pool，可直接去掉__name__判断，将进程逻辑放在插件的执行流程中，确保仅被调用一次：

from multiprocessing import Pool

# 在插件的业务逻辑节点直接执行，避免模块重复加载触发循环
with Pool() as p:
    resultat = p.map(traitement_gcode_lineaire, liste_traitement)

if resultat:
    for result in resultat:
        fichier += result

此方案可靠性不如前两者，仅作为备选。

内容的提问来源于stack exchange，提问作者Totor