Python跨进程数据共享：Manager vs Shared Memory
比较multiprocessing中Manager和共享内存（Value/Array/shared_memory.SharedMemory）两种跨进程数据共享方式的异同。Manager如何在进程之间同步数据？共享内存的优势和限制是什么？Python 3.8+的shared_memory模块解决了什么问题？给出性能对比。
回答
屠龙少年
Manager：通过代理进程（server process）管理共享对象。
from multiprocessing import Manager
with Manager() as manager:
d = manager.dict() # 代理dict
arr = manager.list()
# 所有子进程通过代理访问，自动同步
机制：Manager启动一个额外的管理进程，所有操作通过IPC序列化传输。 优势：简单、支持任意嵌套数据结构、自动同步 劣势：性能差（每次操作序列化+IPC），对于频繁小操作开销巨大
共享内存：
from multiprocessing import shared_memory
shm = shared_memory.SharedMemory('name', create=True, size=1024)
buf = shm.buf # memoryview
# 子进程通过相同name attach
优势：极高性能（直接内存访问，零拷贝），适合大数组 限制：只支持原始字节，需自行管理同步（用Lock），不支持动态大小
性能对比（100万次整数递增）： | 方式 | 耗时 | |------|------| | Manager.dict | ~45s | | Value+Lock | ~3s | | shared_memory | ~0.5s |
适用场景：
- Manager：低频操作、复杂数据结构、便利性优先
- 共享内存：高频操作、大数组、性能敏感（NumPy数组跨进程共享）