答案。

在 Python 中，在处理线程时，内存中的对象可以无复制地同时被所有线程访问。然而，在通过 multiprocessing 处理进程时，标准的 Python 对象（例如列表、字典）通过序列化（通常使用 pickle）在进程之间传递，每个进程获取对象的副本。在一个进程中更改对象不会反映在另一个进程的副本中。

主要区别：

• 多线程（threading）： 所有线程在共享的地址空间中工作。任何对象（包括嵌套集合）都是共享的。
• 多进程（multiprocessing）： 每个进程都有自己的内存；对象通过序列化传递。进程之间的交换必须使用特殊结构，例如 multiprocessing.Manager().dict()。

示例：

# 多进程
from multiprocessing import Process, Manager

def worker(d):
    d['a'] = 42

if __name__ == '__main__':
    # 普通的 dict 在进程之间不起作用
    managed_dict = Manager().dict()
    p = Process(target=worker, args=(managed_dict,))
    p.start(); p.join()
    print(managed_dict['a'])  # 42

• 如果使用普通的 dict，进程中的更改在主进程中将不可见。

陷阱问题。

在什么情况下，编辑一个进程中的普通列表（list）会反映到另一个进程？

答案：

永远不会，如果你在使用 multiprocessing。普通的 Python 对象不会在进程之间共享。要实现共享，必须使用特殊的原语——管理器对象（例如，Manager().list()，Manager().dict()），它们在进程之间同步状态。

由于对该主题细节不了解而导致的实际错误示例。

---

故事

一个网络爬虫开发团队将任务队列初始化为列表，并通过 multiprocessing 将其分配给进程。任务“丢失”是因为进程无法看到彼此的更新。他们改为使用 Manager().list()。

---

故事

在一个分析服务中，试图在线程中收集嵌套的 dict 日志。在高负荷场景下，这导致了竞争条件和数据损坏，因为缺乏锁。

---

故事

在 ETL 服务中，在处理阶段尝试收集的数据对象在多个进程中发现重复/丢失数据：程序员没有考虑到每个进程都在处理自己的结构副本，而不是共享的结构。