python的multiprocessing库博大精深，有很多细节记录下：
1、使用定义Process子类的方法，无法使用pool列表将其包含进来二次引用进行全局控制。
2、使用Process指定target的方法可以使用pool列表将多个进程包含进来，进而进行统一控制，比如join操作。
3、可以使用multiprocessing的Manager定义进程间共享对象，但如果共享object的包含子项太多，且需要在各个子进程中逐一遍历，那么会有非常非常非常严重的通讯开销，导致多进程奇慢无比。
4、继承BaseManager定义子manager，只能实现共享class的方法，无法共享class的属性，需要定义一个Namespace。
5、使用multiprocessing的时候，将访问入口定义在__main__中，可以尽可能降低错误情况，尤其是在windows系统下。
6、使用multiprocessing的Pool库的apply_async或者map_async时，在windows有时会有奇怪现象：查看资源管理器，的确有指定个数的进程在运行，在大部分进程都是僵死进程，即没有真正的在运行跑数，其原因是Pool只负责启动N个子进程，不负责实际的资源调度和运行（实际有os负责），建议在windows下通过Process指定target的方式启动多进程。
7、在子进程中定义class，该class实例化的时，输入的参数对象是deepcopy，即输入前后的对象不再是同个对象，而通过Manager共享变量的方式传递，则传入前后是同个对象（使用id()函数查看！）。
8、对比numpy创建的array和嵌套的list的list，numpy的array占用内存空间远远大于嵌套list！
-- 未完待续 --
