如何将随机种子传播至Python multiprocessing模块的子进程中

• 线程池和主进程共享同一random模块的全局随机状态，因此前两次输出可稳定复现，和测试现象一致。
• 多进程池输出不稳定的核心是和多进程启动模式强相关：
  • 默认spawn启动模式（Windows全版本、macOS 3.8+、Linux 3.14+）下，子进程是全新的Python解释器实例，完全不会继承父进程的random状态，会用系统熵源初始化随机种子，和父进程设置的seed(0)完全无关。哪怕只有1个工作进程，每次运行的随机数也会发生变化。
  • 即使是旧版的*fork启动模式*（Linux早期默认），虽然子进程会复制父进程内存，但multiprocessing.Pool的工作进程是在初始化时提前创建的，继承的是Pool创建那一刻的随机状态快照，后续任务执行不会按顺序消耗父进程的随机流，依然无法得到稳定结果。

你之前看到的技术说明中提到的「子进程创建顺序不确定」的问题，仅适用于多工作进程的场景。在你这个单工作进程的测试场景下，根本问题是子进程压根没有继承父进程的随机状态，和创建顺序无关。

两个工业界常用的轻量方案，都能满足「父进程随机状态按序传递、不同子进程随机值不重复」的需求：

方案1：种子递推（最常用，适配所有启动模式） #

核心逻辑是设置一个固定根种子，给每个任务分配唯一序号，用「根种子 + 任务序号」作为每个任务的独立随机种子，既保证不同任务的随机值不重复，又能实现全流程结果可复现。

完整可运行代码：

from multiprocessing import Pool
from multiprocessing.pool import ThreadPool
import random

# 全局固定根种子，保证所有流程可复现
ROOT_SEED = 0

def do_thing(task_info):
    # task_info 为 (任务唯一ID, 入参) 的元组
    task_id, upper = task_info
    # 每个任务独立初始化随机状态
    random.seed(ROOT_SEED + task_id)
    print(random.randint(0, 99))

if __name__ == "__main__":
    # 按任务执行顺序分配唯一ID
    task_queue = [
        (0, 99), # 第一个线程池任务
        (1, 99), # 第二个线程池任务
        (2, 99), # 第一个多进程池任务
        (3, 99)  # 第二个多进程池任务
    ]

    with ThreadPool(1) as pool:
        list(pool.imap(do_thing, [task_queue[0]]))
    with ThreadPool(1) as pool:
        list(pool.imap(do_thing, [task_queue[1]]))
    with Pool(1) as pool:
        list(pool.imap(do_thing, [task_queue[2]]))
    with Pool(1) as pool:
        list(pool.imap(do_thing, [task_queue[3]]))

这个方案没有任何跨进程通信开销，不需要传递复杂状态，是多进程场景下实现可复现随机数的标准做法。

方案2：传递随机状态快照（完全对齐线程的随机流逻辑） #

如果你需要严格复现和线程场景下完全一致的随机数序列，不需要给每个任务单独设置种子，可以直接把父进程的随机状态快照作为任务参数传递：子进程执行时加载该快照后再生成随机数，同时把更新后的状态返回主进程，按顺序在任务间流转。

完整可运行代码：

from multiprocessing import Pool
from multiprocessing.pool import ThreadPool
import random

def do_thing(task_payload):
    # task_payload 为 (父进程随机状态, 入参) 的元组
    random_state, upper = task_payload
    # 加载父进程传递的随机状态
    random.setstate(random_state)
    res = random.randint(0, 99)
    # 生成新的状态快照，返回给主进程流转
    new_state = random.getstate()
    print(res)
    return new_state

if __name__ == "__main__":
    # 父进程初始化随机种子
    random.seed(0)
    # 取初始状态快照
    current_state = random.getstate()

    with ThreadPool(1) as pool:
        current_state = list(pool.imap(do_thing, [(current_state, 99)]))[0]
    with ThreadPool(1) as pool:
        current_state = list(pool.imap(do_thing, [(current_state, 99)]))[0]
    with Pool(1) as pool:
        current_state = list(pool.imap(do_thing, [(current_state, 99)]))[0]
    with Pool(1) as pool:
        current_state = list(pool.imap(do_thing, [(current_state, 99)]))[0]

这个方案中的随机状态快照仅为几百字节的元组，作为任务参数传递的开销可以忽略，完全不需要用到Manager的跨进程共享服务，就能实现和线程场景完全一致的连续随机流逻辑。

内容的提问来源于stack exchange，提问作者Alexander Soare