Python使用multiprocessing.Manager().list()跨进程共享数据异常求助

• 对共享列表做了重新赋值：如果在子进程中执行了sector_list = [xxx]这类操作，会直接将原本的共享代理对象替换为进程本地的普通列表，后续修改自然无法同步到其他进程。
• 修改了嵌套的可变对象未触发同步：multiprocessing.Manager的共享容器仅监听顶层元素的增删改操作，如果列表内存储了字典、子列表等可变对象，直接修改子对象的内容不会触发同步机制，其他进程就无法读到更新。

• 所有修改操作必须调用共享列表的自带方法：只能通过append()、extend()、pop()、sector_list[i] = xxx这类直接操作共享对象本身的方法修改数据，禁止对共享变量名重新赋值。
• 修改嵌套可变对象后手动触发同步：如果需要修改列表内的子可变对象，修改完成后要将其重新赋值到原索引位，触发同步：

# 错误写法：修改子字典不会触发同步
sector_list[0]["板块名称"] = "新板块"

# 正确写法：修改后重新赋值触发同步
temp_item = sector_list[0]
temp_item["板块名称"] = "新板块"
sector_list[0] = temp_item

from multiprocessing import Process, Manager
import time

def test2(sector_list):
    # 模拟持续更新板块数据
    count = 0
    while True:
        # 调用共享列表的append方法，自动触发同步
        sector_list.append(f"板块_{count}")
        count += 1
        time.sleep(1)

def test1(sector_list):
    while True:
        # 直接读取共享列表即可拿到最新数据
        print(f"test1读到的板块列表: {list(sector_list)}")
        time.sleep(2)

if __name__ == "__main__":
    manager = Manager()
    sector_list = manager.list()
    p1 = Process(target=test1, args=(sector_list,))
    p2 = Process(target=test2, args=(sector_list,))
    p1.start()
    p2.start()
    p1.join()
    p2.join()

量化交易场景下数据更新频率较高，共享列表的读写自带进程锁，若存在高频并发读写可以额外搭配multiprocessing.Lock做更细粒度的并发控制，避免出现脏数据。

内容的提问来源于stack exchange，提问作者xibuzuoluo