Python多进程共享multiprocessing.Array是否采用共享内存IPC？

咱们先从代码语法和核心机制两方面来拆解你的问题：

1. 你的代码存在语法错误 #

首先看你写的这段进程创建代码：

self.procs = [MP.Process(target=worker, kwargs=dict(sh_array=array) for _ in range(num_workers)]

这里少了一个闭合的括号——dict(sh_array=array)后面需要加个)来结束MP.Process的参数传递，正确写法应该是：

self.procs = [MP.Process(target=worker, kwargs=dict(sh_array=array)) for _ in range(num_workers)]

这个语法问题不修正的话，代码根本跑不起来。

2. 关于IPC机制的核心疑问：完全符合你的要求！ #

你担心的“消息传递/基于复制的IPC”问题，完全不用顾虑——multiprocessing.Array本身就是基于共享内存（或文件映射，取决于操作系统）实现的，完全是你想要的快速IPC方式：

• 父进程创建的Array对象，本质是一块被多个进程映射到各自地址空间的物理内存；
• 子进程拿到的sh_array只是这块共享内存的引用，而不是数据副本；
• 所有读写操作都是直接在共享内存上进行的，没有额外的数据复制或消息传递开销，完全符合你的设计初衷。

只要你传递的是multiprocessing.Array（而不是普通的Python list），就不会触发任何后台的复制或消息队列操作。

3. 修正后的完整可运行示例 #

给你写一个完整的示例，能直观看到共享内存的效果：

import multiprocessing as MP

def worker(sh_array):
    # 子进程直接操作共享数组，没有复制开销
    for i in range(len(sh_array)):
        sh_array[i] += 1
    print(f"子进程修改后的片段: {list(sh_array)}")

if __name__ == "__main__":
    num_workers = 3
    # 创建共享数组：类型为int（'i'是类型码），长度5，初始值全0
    shared_array = MP.Array('i', [0] * 5)
    
    # 修正后的进程创建代码
    procs = [MP.Process(target=worker, kwargs=dict(sh_array=shared_array)) for _ in range(num_workers)]
    
    # 启动并等待所有子进程完成
    for proc in procs:
        proc.start()
    for proc in procs:
        proc.join()
    
    # 父进程查看最终结果（会看到所有子进程的修改累加）
    print(f"父进程最终看到的数组: {list(shared_array)}")

4. 额外的实用提示 #

• Windows系统注意事项：一定要把共享对象创建、进程启动的代码放在if __name__ == "__main__":块里，否则会触发multiprocessing的重复初始化问题；
• 竞态条件处理：共享内存本身是无锁的，如果多个进程同时读写同一个数组位置，会出现数据错乱。如果需要同步操作，搭配multiprocessing.Lock即可：

  def worker(sh_array, lock):
      with lock:  # 加锁确保同一时间只有一个进程修改数组
          for i in range(len(sh_array)):
              sh_array[i] += 1
  

  创建进程时传递锁：kwargs=dict(sh_array=shared_array, lock=MP.Lock())
• 复杂结构扩展：如果需要多维数组，可以用numpy.frombuffer把multiprocessing.Array包装成numpy数组，操作更方便，同样是基于共享内存的。

内容的提问来源于stack exchange，提问作者Kiuhnm