如何在Python多进程中修改全局变量？兼顾性能与变量同步

我明白你遇到的困境了——多进程能带来不错的性能提升，但全局变量根本改不动；线程能修改全局变量，可CPU密集型任务下性能拉胯。这其实是Python多进程和线程的核心特性导致的，咱们一步步拆解解决：

为什么多进程里的全局变量改不了？ #

Python的多进程是基于复制内存空间实现的：当你启动子进程时，每个子进程都会复制父进程的所有内存数据（包括result和lock），所以每个进程修改的都是自己专属的result副本，父进程里的原始变量完全不会被影响。而且你定义的mp.Lock也只是父进程的锁，每个子进程都有自己的锁副本，根本起不到跨进程同步的作用。

正确的解决方案：用共享内存变量+跨进程锁 #

要让多进程能共同修改同一个变量，得用multiprocessing提供的共享内存对象，比如Value或Array，它们存储在所有进程都能访问的共享内存区域里。再配合跨进程锁来保证修改操作的原子性，避免竞态条件。

修改后的多进程代码 #

import random
import threading
import multiprocessing as mp
import time

# 使用共享内存变量替代普通全局变量，'i'表示整数类型
result = mp.Value('i', 0)
# 跨进程锁，需要传递给子进程
lock = mp.Lock()

def list_append(count, id, out_list, shared_result, shared_lock):
    # 使用with语句自动管理锁，比手动acquire/release更安全
    with shared_lock:
        shared_result.value += 1
    for i in range(count):
        out_list.append(random.random())

if __name__ == "__main__":
    start = time.time()
    size = 10000000  # 要生成的随机数数量
    threads = 6  # 进程数

    jobs = []
    for i in range(threads):
        out_list = list()
        # 把共享变量和锁作为参数传给子进程
        process = mp.Process(
            target=list_append,
            args=(size, i, out_list, result, lock)
        )
        jobs.append(process)

    # 启动所有进程
    for j in jobs:
        j.start()

    # 等待所有进程完成
    for j in jobs:
        j.join()

    print("List processing complete.")
    end = time.time()
    print(f"耗时: {end - start:.2f}秒")
    # 访问共享变量的value属性获取值
    print(f"最终result值: {result.value}")

顺便说下线程代码的问题 #

你线程版本的代码有个关键错误：创建线程时直接调用了list_append(size, i, out_list)，这会导致函数在主线程里直接执行，而不是交给子线程运行！正确的写法应该是：

thread = threading.Thread(target=list_append, args=(size, i, out_list))

另外，Python的线程受**GIL（全局解释器锁）**限制，CPU密集型任务（比如你的循环生成随机数）无法真正并行执行，多个线程其实是在同一个CPU核心上交替运行，所以性能远不如多进程。这也是为什么多进程更适合CPU密集型场景的原因。

总结 #

• 多进程要共享变量：用mp.Value/mp.Array（适合简单数值/数组）或mp.Manager（适合复杂对象）
• 必须配合跨进程锁（mp.Lock）保证共享变量修改的原子性，避免数据混乱
• 线程适合IO密集型任务，CPU密集型任务优先用多进程

内容的提问来源于stack exchange，提问作者Wesley LB