Python Multiprocessing Pool()调用异常：批量处理列表组合失败

你的代码在多进程模式下失效，大概率是Windows系统下multiprocessing的模块导入机制导致的——Windows没有fork系统调用，子进程会重新导入你的脚本，如果没有主模块保护，会重复执行b = combinations(a)这行代码，进而重复创建进程池，引发错误。另外还有一些细节需要调整，下面是完整的修复方案：

核心问题与修复要点 #

• 必须添加主模块保护：用if __name__ == '__main__':包裹主执行代码，避免子进程重复执行初始化逻辑。
• 确保函数可被子进程访问：evaluate函数要定义在combinations之前，保证子进程能正确导入到这个函数。
• 参数兼容性验证：itertools.combinations返回的是元组，你单循环时代码能正常运行，说明evaluate已经能处理元组参数，这部分无需修改。

修复后的完整代码 #

import itertools
from multiprocessing import Pool

def evaluate(input_tuple):
    # 替换成你的实际处理逻辑，示例为计算元组内所有子列表的总和
    total = sum(sum(sub_list) for sub_list in input_tuple)
    return total

def combinations(inputs):
    # 用with语句自动管理进程池生命周期，更安全
    with Pool() as pool:
        combi = list(itertools.combinations(inputs, 5))
        outputs = pool.map(evaluate, combi)
    return outputs

if __name__ == '__main__':
    a = [[2,2],[4,3],[5,1],[6,3],[7,2],[12,4],[12,2]]
    b = combinations(a)
    print(b)

额外说明 #

• 使用with Pool() as pool代替手动创建/关闭进程池，能确保进程池在使用完毕后自动释放资源，避免资源泄漏。
• 即使你在Linux/macOS下运行，添加主模块保护也能让代码跨平台兼容，是推荐的编码习惯。
• 如果evaluate依赖其他模块或全局变量，要确保这些依赖在子进程中也能正常加载（比如只读的全局变量可以放在主模块保护外，动态生成的变量最好放在保护内）。

内容的提问来源于stack exchange，提问作者Rhys