不能直接用 pickle.dumps() 传给子进程，因它不保证跨进程安全：含线程锁、文件句柄等对象会报 typeerror；模块路径或类定义不一致会导致反序列化失败；应只序列化纯数据结构，确保子进程能正确导入模块，并优先使用 multiprocessing.queue 安全传输。
为什么不能直接用 pickle.dumps() 传给子进程？
因为 pickle 序列化本身不保证跨进程安全——如果被序列化的对象里含线程锁、文件句柄、数据库连接或 lambda 函数，dumps() 会直接报 TypeError: can't pickle XXX objects。更隐蔽的问题是：主进程和子进程的模块导入路径、类定义版本不一致时，反序列化会失败（AttributeError 或 ModuleNotFoundError），尤其在使用相对导入或热重载开发环境时。
实操建议：
- 只对纯数据结构（
dict、list、namedtuple、自定义类但不含可变状态）做pickle； - 避免序列化
threading.Lock、socket.socket、open()返回的文件对象； - 确保子进程中已提前
import所有被序列化对象所属的模块，且路径与主进程完全一致（比如都用绝对导入）； - 用
pickle.HIGHEST_PROTOCOL提升效率和兼容性，但注意 Python 3.8+ 默认协议已是 5，老版本需显式指定。
用 multiprocessing.Queue 传 pickle 数据最稳
multiprocessing.Queue 内部就是靠 pickle 做序列化，但它自动处理了管道创建、锁同步和异常边界，比手动写 os.pipe() + os.write() 安全得多。唯一要注意的是它不支持非阻塞读写，且默认有大小限制（maxsize=0 表示无上限，但实际受内存约束）。
实操建议：
- 不要把大对象（如 >100MB 的
numpy.ndarray）直接塞进Queue，会触发大量内存拷贝，改用multiprocessing.shared_memory或文件中转； - 子进程取数据前先用
queue.empty()判断可能有竞态，应改用queue.get(timeout=1)配合异常捕获； - 若需传函数逻辑，必须确保函数定义在模块顶层（不能是嵌套函数或
lambda），且模块可被子进程 import —— 否则反序列化时找不到该函数。
spawn 启动方式下，pickle 失败的典型错误及修复
Windows 和 macOS 默认用 spawn 启动子进程（Linux 可配），这意味着子进程会重新导入主模块。此时常见错误是：AttributeError: Can't get attribute 'MyClass' on <module from>。根本原因是主脚本被当作 <code>__main__ 运行，而子进程导入时找不到同名模块。
实操建议：
- 把要被序列化的类/函数定义移到独立的
.py文件中（如data_structs.py），主脚本只做import data_structs； - 主脚本入口加
if __name__ == '__main__':保护，防止子进程重复执行初始化代码； - 调试时在子进程中打印
sys.path和__name__，确认模块加载路径是否和主进程一致； - 临时测试可用
set_start_method('fork')（仅 Linux），但生产环境别依赖它，因fork有内存快照风险且不可移植。
替代方案：什么时候该放弃 pickle？
当数据含不可序列化字段（如带方法的类实例）、需要跨语言（Go/JS 消费）、或追求更高性能时，pickle 就成了瓶颈。这时候 json（纯文本、安全但慢）、msgpack（二进制、快、跨语言）、或 protobuf（强 schema、压缩率高）更合适。但注意：json 不支持 bytes 和 datetime，得自己写 encoder/decoder。
实操建议：
- 传输日志、配置、简单 API 响应，优先用
json.dumps(obj, default=str)，子进程用json.loads()； - 高频小数据（如传感器采样点），用
msgpack.packb(obj, use_bin_type=True)，比pickle快 2–3 倍且无执行风险； - 若已有 protobuf schema，生成 Python 类后用
.SerializeToString()，体积比pickle小 40%+； - 永远别用
pickle解析不受信来源的数据 —— 它能执行任意代码，等同于远程代码执行漏洞。
真正难的不是怎么序列化，而是搞清哪些东西不该放进序列化流里 —— 比如一个 logging.Logger 实例看着像普通对象，但里面藏着线程局部存储和 I/O 缓冲区，一 pickle 就崩。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
