由于的性质
os.fork()，
__main__模块的全局名称空间中的任何变量都将被子进程继承（假设您使用的是Posix平台），因此您将看到子进程中的内存使用情况立即反映出来被创建。据我所知，直到您实际尝试在子级中更改内存之前，我都不知道是否真正分配了所有内存，此时将创建新副本。另一方面，Windows不使用
os.fork()-它在每个子级中重新导入主模块，并对要发送给子级的任何局部变量进行腌制。因此，使用Windows，您实际上可以通过仅在
if__name__ == "__main__":防护中定义它来避免在子级中复制较大的全局结尾，因为该防护中的所有内容都只会在父进程中运行：
import timeimport multiprocessingdef foo(x): for x in range(2**28):pass print(x**2)if __name__ == "__main__": completely_unrelated_array = list(range(2**25)) # This will only be defined in the parent on Windows P = multiprocessing.Pool() for x in range(8): multiprocessing.Process(target=foo, args=(x,)).start()
现在，在Python
2.x中，
multiprocessing.Process如果您使用的是Posix平台，则只能通过分叉来创建新对象。但是在Python
3.4上，您可以使用上下文指定如何创建新进程。因此，我们可以指定
"spawn"上下文（Windows使用该上下文）来创建新进程，并使用相同的技巧：
# Note that this is Python 3.4+ onlyimport timeimport multiprocessingdef foo(x): for x in range(2**28):pass print(x**2)if __name__ == "__main__": completely_unrelated_array = list(range(2**23)) # Again, this only exists in the parent ctx = multiprocessing.get_context("spawn") # Use process spawning instead of fork P = ctx.Pool() for x in range(8): ctx.Process(target=foo, args=(x,)).start()如果您需要2.x支持，或者想坚持使用
os.fork()创建新
Process对象，那么我认为最好的办法是立即删除子级中有问题的对象，以减少报告的内存使用情况：
import timeimport multiprocessing import gcdef foo(x): init() for x in range(2**28):pass print(x**2)def init(): global completely_unrelated_array completely_unrelated_array = None del completely_unrelated_array gc.collect()if __name__ == "__main__": completely_unrelated_array = list(range(2**23)) P = multiprocessing.Pool(initializer=init) for x in range(8): multiprocessing.Process(target=foo, args=(x,)).start() time.sleep(100)
