如何在多Python脚本及多Flask实例间共享字典变量

独立启动、互不导入的Python脚本运行在各自独立的进程内存空间，没有办法直接访问对方内存里的原生字典对象，必须通过独立于所有业务进程的中间存储层实现数据同步。针对你在PythonAnywhere上部署多Worker Flask应用的场景，以下是可直接落地的方案：

优先推荐：Redis键值存储（适配性最高） #

这是和你场景匹配度最高的方案，读写延迟极低，支持多进程高并发访问，数据更新后所有连接的实例都能即时读到最新值，PythonAnywhere平台本身就提供Redis服务支持，不需要自己额外搭建。

1. 先安装依赖：
   pip install redis
2. 写一个所有Flask实例都可以导入的共享字典封装，接口和原生Python字典基本一致：

# shared_dict.py
import redis
import json

# 替换为你自己的Redis连接参数
redis_conn = redis.Redis(
    host="你的Redis实例地址",
    port=6379,
    password="你的Redis实例密码",
    db=0,
    decode_responses=True
)

class SharedDict:
    def __getitem__(self, key):
        raw_value = redis_conn.get(key)
        return json.loads(raw_value) if raw_value is not None else None

    def __setitem__(self, key, value):
        redis_conn.set(key, json.dumps(value))

    def __delitem__(self, key):
        redis_conn.delete(key)

    def __contains__(self, key):
        return redis_conn.exists(key) > 0

# 全局共享实例，所有脚本导入这个对象即可
main = SharedDict()

3. 业务代码使用方式和你原来写的逻辑完全一致：
   main1.py内容：

from shared_dict import main
main["apples"] = "are fine"
print(main["apples"])
main["apples"] = "are delicious"

main2.py内容：

from shared_dict import main
input()  # 等待main1完成值更新
print(main["apples"])  # 直接输出 are delicious

这个方案完全解决多Worker数据不一致的问题：不管请求被哪个Worker实例处理，读写的都是同一份Redis里的数据，不会出现各实例存的值不一样的情况。

轻量替代方案：SQLite数据库（无额外服务依赖） #

如果不想使用Redis，也可以用Python自带的SQLite做共享存储，适合读多写少、数据量不大的场景。注意必须开启WAL模式，否则多进程并发读写容易出现锁库问题。
封装逻辑和上面的SharedDict类似，所有脚本连接同一个磁盘上的.db文件即可，不需要额外安装依赖。缺点是高并发写性能远低于Redis，写操作频繁的场景不推荐。

避坑提醒 #

• 不要尝试通过导入公共模块的全局变量实现共享：每个Python进程启动时会独立把模块加载到自己的内存空间，一个进程修改变量完全不会同步到其他进程，这就是你现在遇到的跨Worker数据不一致的根本原因。
• 不要用普通本地文件存JSON/CSV当共享存储：没有并发控制机制，多个进程同时写入时极易损坏文件，导致数据丢失、格式解析错误，生产环境不可用。
• multiprocessing.Manager仅适用于同一个父进程拉起的多进程场景，对你这种独立启动的多Worker脚本完全无效，不用浪费时间尝试。

内容的提问来源于stack exchange，提问作者Nitlix