为什么 multiprocessing 包为 python pickle 对象在进程之间传递它们，即将不同进程的结果返回到主解释器进程？这可能是一个非常幼稚的问题，但是为什么进程 A 不能说处理 B “对象 x 在内存中的 y 点，它现在是你的了”，而不必执行将对象表示为字符串所需的操作。
【问题讨论】：
标签： python multiprocessing pickle
multiprocessing 在不同的进程中运行作业。进程有自己独立的内存空间，一般不能通过内存共享数据。
要让进程进行通信，您需要某种渠道。一个可能的通道是“共享内存段”，这几乎就是它听起来的样子。但更常见的是使用“序列化”。我没有广泛研究这个问题，但我的猜测是共享内存解决方案耦合得太紧了；序列化允许进程进行通信，而不会让一个进程导致另一个进程出现故障。
当数据集非常大并且速度很关键时，共享内存段可能是最好的选择。我能想到的主要示例是视频帧缓冲区图像数据（例如，从用户模式驱动程序传递到内核，反之亦然）。
http://en.wikipedia.org/wiki/Shared_memory
http://en.wikipedia.org/wiki/Serialization
Linux 和其他 *NIX 操作系统提供了一种通过序列化共享数据的内置机制：“域套接字”这应该很快。
http://en.wikipedia.org/wiki/Unix_domain_socket
由于 Python 有 pickle 可以很好地用于序列化，multiprocessing 使用它。 pickle 是一种快速的二进制格式；一般来说，它应该比 XML 或 JSON 之类的序列化格式更有效。还有其他二进制序列化格式，例如 Google Protocol Buffers。
使用序列化的一个好处是：在一台计算机内共享工作（使用额外的内核）或在多台计算机之间共享工作（使用集群中的多台计算机）几乎相同。序列化工作是相同的，网络套接字的工作方式类似于域套接字。
编辑：@Mike McKerns 在下面的评论中说，multiprocessing 有时可以使用共享内存。我做了一个谷歌搜索，发现了这个很棒的讨论：Python multiprocessing shared memory
【讨论】：
multiprocessing 可以利用ctypes 库——并且旨在共享Pool(4).map(f, x) 中的x。你仍然需要将f 传递给其他带有pickle 的处理器。
multiprocessing 可以使用共享内存。 （不过我应该猜到了。有时数据量很大，Python 应该能够应付。）