在 Windows 11 环境下使用 Python 实现多进程池编程，可以借助 `multiprocessing` 模块中的 `Pool` 类来实现。该模块支持跨平台使用，包括 Windows、Linux 和 macOS 等操作系统。在 Windows 系统中，`multiprocessing` 通过创建子进程的方式来实现并行任务处理，每个子进程拥有独立的内存空间，避免了全局解释器锁（GIL）的限制，从而实现真正的并行计算[^2]。 ### 基本用法 以下是一个在 Windows 11 上使用 `multiprocessing.Pool` 实现多进程任务的示例代码： ```python import multiprocessing import time def job(name): print(f"Processing {name}") time.sleep(2) return f"{name} processed" if __name__ == '__main__': name_list = ['bob', 'tom', 'alice', 'peter', 'angle'] # 创建包含4个进程的进程池 with multiprocessing.Pool(4) as pool: results = pool.map(job, name_list) # 输出任务结果 for result in results: print(result) ``` ### 注意事项 - **`if __name__ == '__main__':` 保护机制**：这是 Windows 平台上的必要条件，用于防止子进程递归地创建新进程，从而避免程序陷入死循环。如果不使用该保护机制，可能会导致程序异常或崩溃[^2]。 - **使用 `with` 语句管理 Pool 生命周期**：使用 `with` 语句可以自动管理进程池的关闭和资源回收，无需手动调用 `close()` 和 `join()`，从而简化代码逻辑。 - **传递复杂对象**：在 Windows 上，如果需要将自定义类实例作为参数传递给子进程，需确保该类可以被序列化。Python 使用 `pickle` 模块进行序列化，因此应避免在类中使用不可序列化的对象（如打开的文件、套接字等）。 ### 示例：传递类方法作为任务 如果希望在多进程任务中调用类的方法，可以采用如下方式： ```python import multiprocessing import time class Person: def __init__(self, age): self.age = age def process_name(self, name): print(f"Hello, my name is {name}, and I am {self.age} years old") time.sleep(2) return f"{name} processed by Person instance" def job(args): instance, name = args return instance.process_name(name) if __name__ == '__main__': name_list = ['bob', 'tom', 'alice', 'peter', 'angle'] person = Person(20) # 将实例和参数打包 task_args = [(person, name) for name in name_list] with multiprocessing.Pool(4) as pool: results = pool.map(job, task_args) for result in results: print(result) ``` 在该示例中，通过将类实例与参数打包为元组传递给 `job` 函数，避免了直接在 `map` 中调用类方法时可能出现的序列化问题。 ---