为何多进程会为每个进程克隆基础变量？代码执行异常求助

在multiprocessing的多进程模型里，每个子进程会复制主进程的内存空间，你定义的number_of_doe_jobs会在每个子进程中生成独立副本，修改操作只对当前进程的副本生效，自然无法实现跨进程的累加效果。另外你的代码里p.map(checker, datalist)存在笔误，checker应该是thefunction。

下面是几种可行的解决方式：

方式一：使用multiprocessing.Value实现共享数值 #

通过Value创建进程间共享的数值类型，配合锁保证修改操作的原子性，避免多进程竞争导致的计数错误：

from multiprocessing import Pool, Value, Lock

def init(shared_num, lock):
    # 将共享变量和锁注入子进程的全局命名空间
    global number_of_doe_jobs, job_lock
    number_of_doe_jobs = shared_num
    job_lock = lock

def thefunction(_):
    global number_of_doe_jobs, job_lock
    # 加锁确保同一时间只有一个进程修改共享变量
    with job_lock:
        number_of_doe_jobs.value += 1
    # 此处编写你的任务代码

if __name__ == "__main__":
    # 创建共享整数变量，初始值为0
    shared_number = Value('i', 0)
    # 创建锁对象
    lock = Lock()
    datalist = [1,2,3,4,5]  # 示例任务列表
    with Pool(3, initializer=init, initargs=(shared_number, lock)) as p:
        p.map(thefunction, datalist)
    print(f"最终累加值: {shared_number.value}")

方式二：使用multiprocessing.Manager创建共享对象 #

Manager可以创建支持跨进程共享的字典、列表等对象，适合需要更复杂共享数据的场景：

from multiprocessing import Pool, Manager

def thefunction(_, shared_dict, lock):
    with lock:
        shared_dict['count'] += 1
    # 此处编写你的任务代码

if __name__ == "__main__":
    manager = Manager()
    # 创建共享字典存储计数
    shared_dict = manager.dict({'count': 0})
    lock = manager.Lock()
    datalist = [1,2,3,4,5]
    with Pool(3) as p:
        # 使用starmap传递多参数，将任务项、共享字典、锁打包传入
        p.starmap(thefunction, [(item, shared_dict, lock) for item in datalist])
    print(f"最终累加值: {shared_dict['count']}")

方式三：主进程收集返回值累加（无需共享变量） #

如果只需要最终统计任务执行次数，不需要实时获取计数，可以让每个任务函数返回1，最后在主进程中求和：

from multiprocessing import Pool

def thefunction(_):
    # 此处编写你的任务代码
    return 1

if __name__ == "__main__":
    datalist = [1,2,3,4,5]
    with Pool(3) as p:
        results = p.map(thefunction, datalist)
    number_of_doe_jobs = sum(results)
    print(f"最终累加值: {number_of_doe_jobs}")

内容的提问来源于stack exchange，提问作者xamcx