对于从别处import来的代码，系统变量__name__在这段代码中会等于来源文件的名字（或模块名，这你不用在意）；对于存在于本文件中的代码，__name__会等于__main__。
由于某些原因，在Windows下，如果一个文件的代码中使用了多进程，则这个文件中会隐式地import自己（一次或多次）；将所有零级缩进的代码放在if __name__ == '__main__':中，可以避免产生重复执行的问题（注意到如果不这样做的话，import来的副本中还会再次import自身，导致无限递归import并报错）。
暂时可以认为，采取这一措施后就可完全消除“隐式import自身”所产生的效应。
进程复制 from multiprocessing import Process import os pid = os.getpid() def task(): global pid print(pid) pid = 1 print(pid) if __name__ == '__main__': p = Process(target=task) p.start() p.join() print(pid)在Windows下的输出：
4836 1 2944在Linux下的输出：
511 1 511前两个数都是由子进程输出，第三个数由父进程输出。
注意到pid在子进程中被赋为1后，在父进程中并不是1。这说明，子进程的target函数中对运行环境的修改，不影响父进程的运行环境。事实上，反之也是成立的（父不影响子）。也就是说，一旦子进程的运行环境完成创建之后，父进程的运行环境与子进程的运行环境之间就完全独立。
由于这个独立性，子进程的运算结果也无法直接反馈给父进程。稍后会介绍两种解决方式：1. 进程间通信 2. 利用 进程池apply方法的返回值。
注意到一三行的输出在Windows下不同，而在Linux下相同。这说明，子进程中全局变量pid的取值，在Linux下是直接复制父进程中pid的取值而得到的，在Windows下是通过重新运行pid = os.getpid()而得到的。更一般地，有以下这两个事实：
在Windows中，Process(target)创建出的子进程是一张白纸（即运行环境空空如也）；当调用start()的时候，它会先通过import语句来将父进程的整个代码文件完整执行一遍（从而创建出一个新的运行环境），然后再开始运行target函数。所以，if __name__ == '__main__':包起来的代码，就只会被父进程执行；而未被包起来的零级缩进代码，则也会被每个子进程（在自己的运行环境里）各自执行一遍。
这就是之前提到的“隐式import自身”的机制。
在Linux中，Process(target)创建出的子进程，会全盘复制父进程的运行环境，而不会自己重新创建。复制出来的子进程运行环境，与父进程的运行环境完全独立。
Linux下的进程复制方式称为fork，Windows下的进程复制方式称为spawn。关于这些，详见 https://stackoverflow.com/questions/64095876/multiprocessing-fork-vs-spawn 。
from multiprocessing import Process import os def task(): pass if __name__ == '__main__': p = Process(target=task) print('son process created') p.start() print('son process starts') p.join() print('son process ends') print('gu?')在Windows下的输出
son process created son process starts gu? son process ends gu?由此可见，Windows下子进程（在初始化时）在执行父进程的代码文件时，父进程中son_process.start()以后的内容（比如print('gu?')）也会被执行。
进程池如果我们有很多的任务要同时进行，为每个任务各开一个进程既低效（创建和销毁进程开销大、无法全部并行、内核难以调度）又可能不被内核允许。
解决方案：使用进程池，池中放着几个进程（一般不会比CPU的核数多很多），有新任务时找一个空闲进程分配给它，没有空闲进程则等待。缺点是没有空闲进程时需要等待，因此不能算是完全的并发。
进程池的基本用法 from multiprocessing import Pool import os, time def task(duration, base_time, task_name): pid = os.getpid() print(f'son process id {pid} starts working on {task_name} at {"%.6f" % (time.perf_counter()-base_time)}s with parameter {duration}') time.sleep(duration) print(f'son process id {pid} ends working on {task_name} at {"%.6f" % (time.perf_counter()-base_time)}s') if __name__ == '__main__': pid = os.getpid() base_time = time.perf_counter() print(f'main process id {pid} starts at {"%.6f" % (time.perf_counter()-base_time)}s') pool = Pool(3) # a pool containing 3 subprocesses print('start assigning tasks') for i in range(4): pool.apply_async(task, args=(1, base_time, "TaskNo."+str(i+1))) # assign task to some process in pool and start running # if all son processes are busy, wait until one is free and then start pool.close() # no longer accepting new tasks, but already applied ones (including those that are waiting) keeps running. print('all tasks assigned; wait for son processes to finish') pool.join() # wait until all tasks are done, and then the pool is dead. `join()` can be called only if `close()` has already been called print(f'all tasks finished at {"%.6f" % (time.perf_counter()-base_time)}s') print(f'main process id {pid} ends at {"%.6f" % (time.perf_counter()-base_time)}s')