共享内存需显式创建管理，非Manager自动处理；真零拷贝用shared_memory模块，配合numpy.ndarray高效共享数组，但须手动close/unlink、约定数据布局、加锁或分片避免竞态，Windows下名字受限。
共享内存对象必须显式创建和管理，不能靠 multiprocessing.Manager 自动处理
很多人误以为 multiprocessing.Manager() 创建的 dict 或 list 是共享内存——其实不是。它走的是进程间通信（IPC）代理机制，底层仍会序列化/反序列化、复制数据，反而比普通传参更慢。真要零拷贝，得用 multiprocessing.shared_memory 模块（Python 3.8+），它直接映射同一块系统共享内存页。
关键点：
-
SharedMemory实例本身不带数据结构，只提供一块裸内存地址（buf），你得自己按字节布局读写 - 必须手动调用
.close()和.unlink()，否则内存泄漏且下次运行可能报FileExistsError: shared memory block already exists - 不同进程访问同一块内存，需约定好数据类型、偏移、长度——没类型检查，写错位置或越界会静默破坏数据
用 numpy.ndarray + SharedMemory 实现高效数组共享
数值计算最常见场景是共享大数组。直接操作 SharedMemory.buf 写 float/int 太麻烦，推荐用 numpy.frombuffer() 绑定视图：
from multiprocessing import Process, shared_memory
import numpy as np
<h1>主进程：创建共享内存并初始化数组</h1><p>shm = shared_memory.SharedMemory(create=True, size=1000 * 8) # 1000个float64
arr = np.ndarray((1000,), dtype=np.float64, buffer=shm.buf)
arr[:] = np.random.random(1000) # 初始化数据</p><h1>子进程函数：只读，不修改原始数据</h1><p>def worker(shm_name):
existing_shm = shared_memory.SharedMemory(name=shm_name)
arr_ro = np.ndarray((1000,), dtype=np.float64, buffer=existing_shm.buf)
result = np.sum(arr_ro ** 2) # 计算，不改原数组
print(f"worker got sum of squares: {result:.3f}")
existing_shm.close() # 关闭，但不 unlink（留给主进程清理）</p><p>p = Process(target=worker, args=(shm.name,))
p.start()
p.join()</p><p>shm.close()
shm.unlink() # 必须在所有进程都 close 后调用
</p>
注意：np.ndarray 构造时传入 buffer 是只读视图；若需子进程写入，主进程得确保无竞态，且所有进程都用相同 dtype 和 shape 解释同一段内存。
多进程写共享数组时必须加锁，否则结果不可预测
即使用了共享内存，多个进程同时写同一块内存区域仍是未定义行为。比如两个进程同时执行 arr[i] += 1，底层是“读-改-写”三步，中间可能被抢占，导致丢失一次累加。
解决方式只有两种：
- 用
multiprocessing.Lock包裹临界区（适合写入频率低、粒度粗的场景） - 把任务拆成互斥区间，让每个进程只写自己的 slice（推荐，零开销）
例如：主进程分配 100 万元素数组，启动 4 个进程，每个负责 arr[0:250000]、arr[250000:500000] 等——完全避免同步开销。
Windows 下 shared_memory 有路径限制，名字不能含反斜杠
Windows 共享内存后端依赖命名共享内存对象（类似 \.SharedMemName），因此 SharedMemory.name 只能是字母、数字、下划线，且长度 ≤ 260 字符。常见坑：
- 用
uuid.uuid4().hex生成名字没问题，但os.path.basename(__file__)带点号或中划线就可能失败 - 错误信息是
FileNotFoundError: [WinError 2]或OSError: [WinError 87] 参数错误，实际是名字非法 - Linux/macOS 对名字宽松得多，跨平台代码务必校验
re.match(r'^[a-zA-Z0-9_]{1,260}$', name)
共享内存不是银弹——它省了拷贝，但也把内存管理、类型对齐、并发控制这些原本由 Python 隐藏的复杂性全暴露出来。一个没关掉的 shm.unlink()，或一个没对齐的 dtype，就能让程序在某个环境里跑几天才崩。动手前先想清楚：这 200MB 数组，真的值得你多写 50 行防御性代码吗？
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！
