Python多进程中如何并行创建主进程可访问的类实例属性

多进程的内存隔离是操作系统层面的强制机制，不存在子进程直接修改主进程普通Python对象的可能：

• 你使用的fork启动模式下，子进程创建初期确实和主进程共享内存页，但只要子进程尝试修改对象（比如给实例新增属性赋值），就会触发写时复制（Copy-on-Write），生成该对象的私有副本，后续所有修改都只作用在子进程自己的私有内存里
• MPIRE的set_shared_objects方法仅负责把对象传递到子进程的初始化环境中，不会自动同步子进程对对象的修改回主进程，子进程退出后其私有内存会被直接回收，主进程的原始实例自然没有子进程新增的属性，抛出AttributeError是符合预期的行为。

不要试图在子进程内直接修改主进程的实例，这违背多进程的设计逻辑，推荐用下面两种可落地的方案：

• 方案1：子进程返回计算结果，主进程统一挂载属性（首选）
  这是性能最好、逻辑最清晰的实现方式：把耗时的属性值计算逻辑放到子进程执行，子进程只需要把计算好的属性名、属性值作为返回值传回，主进程收到所有结果后统一给实例赋值即可，完全规避跨进程对象同步的问题。
  对应MPIRE的可运行示例：

  import os
  from mpire import WorkerPool
  
  class B:
      pass
  
  def attr_creater(task):
      attr_name, calc_param = task
      print(f"子进程PID:{os.getpid()} 执行属性{attr_name}创建逻辑")
      # 此处替换为你原本串行执行的、耗时的属性创建逻辑
      attr_value = f"value_of_{attr_name}_{calc_param}"
      return attr_name, attr_value
  
  if __name__ == "__main__":
      b_instance = B()
      # 构造任务列表，每个元素对应一个要创建的属性
      task_list = [("var1", 1), ("var2", 2), ("var3", 3)]
      with WorkerPool(n_jobs=3, start_method="fork") as pool:
          result_list = pool.map(attr_creater, task_list)
      # 主进程统一给实例绑定属性
      for attr_name, attr_value in result_list:
          setattr(b_instance, attr_name, attr_value)
      # 验证属性可正常访问
      print(b_instance.var1, b_instance.var2, b_instance.var3)
  

• 方案2：用跨进程共享容器承载属性（仅适合实时读写场景）
  如果你需要在子进程运行过程中实时读写属性，而不是等所有任务执行完再赋值，可以用multiprocessing.Manager创建的字典/列表代理对象作为实例的属性容器，子进程修改容器内的内容会通过IPC自动同步到主进程。但这种方案有明显的IPC通信开销，且仅支持可序列化的基础数据类型，自定义复杂对象的同步成本极高，非特殊需求不推荐使用。

所有声称可以直接跨进程修改普通Python实例属性的方案本质都是偷换概念：要么是在子进程内修改副本没有实际同步，要么是通过IPC代理做了封装，不存在绕过操作系统内存隔离直接修改主进程内存的可能，不要在这类无效方案上浪费时间。

内容的提问来源于stack exchange，提问作者Yuri Santos