为什么多处理中的新对象具有相同的ID？

问题描述

cpython中的id返回给定对象的指针。由于线程具有共享的地址空间，因此将在两个不同的位置分配对象的两个不同实例，并返回两个不同的ID（又称为虚拟地址指针）。

拥有自己的地址空间的单独进程不是这种情况。偶然地，它们碰巧获得了相同的地址指针。

请记住，地址指针是虚拟的，因此它们表示进程地址空间本身内的偏移量。这就是为什么它们相同的原因。

通常最好不要依靠id（）来区分对象，因为新对象可能会获得旧对象的ID，从而随着时间的推移很难跟踪它们。通常会导致棘手的错误。

解决方法

使用多处理模块时，我试图在流程中创建一个新对象。但是，有些事情使我感到困惑。

当我使用多处理模块时，新对象的ID是相同的

for i in range(4):
    p = multiprocessing.Process(target=worker)
    p.start()

def worker():
    # stanford named entity tagger
    st = StanfordNERTagger(model_path,stanford_ner_path)
    print id(st)    # all the processes print the same id

但是当我使用线程时，它们是不同的：

for i in range(4):
    p = threading.Thread(target=worker)
    p.start()

def worker():
    # stanford named entity tagger
    st = StanfordNERTagger(model_path,stanford_ner_path)
    print id(st)    # threads print differnt ids

我想知道为什么它们不同。