多线程可以共享全局变量，多进程不能。多线程中，所有子线程的进程号相同；多进程中，不同的子进程进程号不同。



1 #!/usr/bin/python
2 #-*- coding:utf-8 -*-
3 importos4 importthreading5 importmultiprocessing6 count_thread =07 count_process =08
9 #worker function
10 defworker1(sign, lock):11 globalcount_thread12 lock.acquire()13 count_thread += 1
14 print(sign, os.getpid())15 lock.release()16
17 defworker2(sign, lock):18 globalcount_process19 lock.acquire()20 count_process += 1
21 print(sign, os.getpid())22 lock.release()23 #Main
24 print('Main:',os.getpid())25
26 #Multi-thread
27 record =[]28 lock =threading.Lock()29 for i in range(5):30 thread = threading.Thread(target=worker1,args=('thread',lock))31 thread.start()32 record.append(thread)33
34 for thread inrecord:35 thread.join()36
37 #Multi-process
38 record =[]39 lock =multiprocessing.Lock()40 for i in range(5):41 process = multiprocessing.Process(target=worker2,args=('process',lock))42 process.start()43 record.append(process)44
45 for process inrecord:46 process.join()47
48
49 printcount_thread50 print count_process
View Code

运行结果

('Main:', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('thread', 3142)
('process', 3148)
('process', 3149)
('process', 3150)
('process', 3151)
('process', 3152)
5
0

应该尽量避免多进程共享资源。多进程共享资源必然会带来进程间相互竞争。而这种竞争又会造成race condition，我们的结果有可能被竞争的不确定性所影响。但如果需要，我们依然可以通过共享内存和Manager对象这么做。

1) 共享内存

用Python实现的例子:


1 importmultiprocessing2
3 deff(n, a):4 n.value = 3.14
5 a[0] = 5
6
7 num = multiprocessing.Value('d', 0.0)8 arr = multiprocessing.Array('i', range(10))9
10 p = multiprocessing.Process(target=f, args=(num, arr))11 p.start()12 p.join()13
14 printnum.value15 print arr[:]
View Code

这里我们实际上只有主进程和Process对象代表的进程。我们在主进程的内存空间中创建共享的内存，也就是Value和Array两个对象。对象Value被设置成为双精度数(d), 并初始化为0.0。而Array则类似于C中的数组，有固定的类型(i, 也就是整数)。在Process进程中，我们修改了Value和Array对象。回到主程序，打印出结果，主程序也看到了两个对象的改变，说明资源确实在两个进程之间共享。

2)Manager

Manager对象类似于服务器与客户之间的通信 (server-client)，与我们在Internet上的活动很类似。我们用一个进程作为服务器，建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager，建立连接后，操作服务器上的资源。在防火墙允许的情况下，我们完全可以将Manager运用于多计算机，从而模仿了一个真实的网络情境。下面的例子中，我们对Manager的使用类似于shared memory，但可以共享更丰富的对象类型。



1 importmultiprocessing2
3 deff(x, arr, l):4 x.value = 3.14
5 arr[0] = 5
6 l.append('Hello')7
8 server =multiprocessing.Manager()9 x = server.Value('d', 0.0)10 arr = server.Array('i', range(10))11 l =server.list()12
13 proc = multiprocessing.Process(target=f, args=(x, arr, l))14 proc.start()15 proc.join()16
17 print(x.value)18 print(arr)19 print(l)
View Code

Manager利用list()方法提供了表的共享方式。实际上你可以利用dict()来共享词典，Lock()来共享threading.Lock(注意，我们共享的是threading.Lock，而不是进程的mutiprocessing.Lock。后者本身已经实现了进程共享)等。 这样Manager就允许我们共享更多样的对象。

参考资料：

http://www.xuebuyuan.com/1968817.html