这个MKL线程冲突的坑我之前踩过好几次，尤其是在多进程环境里调用依赖MKL的科学计算库时特别容易触发。给你几个实测有效的解决思路，按优先级试试：

• 强制MKL使用单线程运行
  MKL默认会启用多线程加速，但在多进程场景下，多个子进程的MKL线程会互相抢占资源，导致动态链接库加载失败。你可以在所有导入语句最开头设置环境变量，强制MKL只用单线程：

  import os
  # 先设置MKL线程相关变量
  os.environ['MKL_NUM_THREADS'] = '1'
  os.environ['OMP_NUM_THREADS'] = '1'
  os.environ['MKL_DYNAMIC'] = 'FALSE'
  
  # 再导入其他库
  import multiprocessing
  import statsmodels
  

  这是最常用的解决方案，能直接避免多进程和MKL多线程的资源冲突。

• 将statsmodels的导入放在子进程内部
  Windows系统下multiprocessing默认用spawn启动方式，主进程提前导入的库可能在子进程重复加载时出问题。你可以让主进程只负责启动多进程，子进程的函数内部再导入statsmodels：

  import multiprocessing
  
  def worker_task():
      # 子进程内部才导入statsmodels
      import statsmodels.api as sm
      # 这里写你的业务逻辑
      ...
  
  if __name__ == '__main__':
      pool = multiprocessing.Pool(4)
      pool.map(worker_task, your_data_list)
      pool.close()
      pool.join()
  

  这种方式让每个子进程独立加载库，能避开主进程和子进程的库加载冲突。

• 检查并修复MKL库路径
  如果是conda环境，有时候MKL的动态链接库路径没有被正确加入系统环境变量。你可以手动把conda环境下的MKL库路径添加到Python的路径中（Windows下示例）：

  import sys
  # 替换成你自己的conda环境路径
  sys.path.append(r'C:\Users\YourName\miniconda3\envs\your_env\Library\bin')
  
  # 之后再导入statsmodels
  import statsmodels
  

  确保路径里包含mkl_intel_thread.dll文件。

• 更换statsmodels版本或改用OpenBLAS
  有时候新版本的statsmodels和MKL的兼容性不佳，你可以尝试降级到稳定版本：

  # pip方式
  pip install statsmodels==0.13.5
  # conda方式
  conda install statsmodels=0.13.5
  

  如果还是不行，可以创建一个使用OpenBLAS替代MKL的conda环境，彻底避开MKL的问题：

  conda create -n statsmodels_env python=3.10 numpy scipy statsmodels blas=openblas
  

内容的提问来源于stack exchange，提问作者Tiny