Windows10下Jupyter Notebook中Python2.7 multiprocessing使用异常求助

阿华AIGC实验室

2026-5-27

解决Windows10+Python2.7+Jupyter Notebook中multiprocessing卡顿/无限报错问题

看起来你踩中了Python2.7在Windows环境下使用多进程的经典坑，再结合Jupyter的特殊运行机制，就出现了进程卡顿、CPU空转以及无限报错的情况。我来一步步帮你拆解问题并给出解决办法：

问题根源分析

Windows多进程的机制限制：Windows没有Unix系统的fork机制，Python2.7的multiprocessing会通过创建新进程并重新导入主模块来启动子进程。如果你的代码没被if __name__ == '__main__':严格包裹，子进程启动时会重复执行创建进程池的代码，直接导致无限递归创建进程——这就是你在Anaconda提示符里看到无限循环报错的核心原因。
Jupyter Notebook的环境特殊性：Jupyter内核的运行方式使得__name__变量的行为和普通脚本不一样，哪怕加了__name__判断，子进程也可能无法正确识别目标函数，最终导致进程卡在启动阶段，CPU核心显示运行但实际没有执行任务，使用率为0。
缺少进程等待逻辑：你的代码只调用了pool.close()却没加pool.join()，主进程可能在子进程完成前就提前结束，导致资源无法正常释放，加重卡顿问题。

具体解决方案

方案1：修正代码逻辑（解决Anaconda提示符运行报错）

先把代码调整为符合Windows多进程规范的写法，补上join()并确保所有创建进程的逻辑都在__name__判断内：

import multiprocessing

def foo(x):
    return x**2

if __name__ == '__main__':
    n_cpu = multiprocessing.cpu_count()
    pool = multiprocessing.Pool(processes=n_cpu)
    res = pool.map(foo, [1,2,3])
    print(res)  # 加上打印结果验证执行情况
    pool.close()
    pool.join()  # 必须等待子进程全部完成再结束主进程

这样在Anaconda提示符里运行，应该就能正常输出结果，不会再出现无限循环报错了。

方案2：适配Jupyter Notebook的运行方式

Jupyter里直接用multiprocessing.Pool容易出问题，你可以试试两种变通方式：

方式A：将代码存为独立脚本，用%run执行
把上面修正后的代码保存为multiprocess_test.py，然后在Jupyter单元格里运行：
```
%run multiprocess_test.py
```
这种方式模拟了普通脚本的运行环境，能避开Jupyter内核的__name__异常问题。
方式B：用multiprocessing.dummy线程池替代（非CPU密集型场景适用）
如果你的测试任务不是纯CPU密集型，可以用线程池来代替进程池，它的API和multiprocessing.Pool完全一致，不会有Windows进程启动的各种坑：
```
from multiprocessing.dummy import Pool

def foo(x):
    return x**2

pool = Pool()
res = pool.map(foo, [1,2,3])
print(res)
pool.close()
pool.join()
```