Python中应使用multiprocessing.Queue而非queue.Queue进行进程间通信，因其基于管道或共享内存并内置序列化与同步机制，而普通队列不支持跨进程内存共享。
Python 中的 queue 模块本身**不是为多进程设计的**，直接在多个进程间使用普通 queue.Queue 会导致数据丢失、阻塞异常甚至程序崩溃。真正用于进程间通信（IPC）的是 multiprocessing.Queue —— 它是专为跨进程安全传输数据而实现的底层队列。
为什么不能用 threading.Queue 做进程通信？
因为进程拥有独立内存空间，threading.Queue 依赖线程共享内存和锁机制，在多进程中无法同步状态。两个进程各自持有一个 Queue 实例，彼此完全隔离，消息根本传不过去。
而 multiprocessing.Queue 底层基于 pipe（匿名管道）或 spawned process + shared memory（取决于平台和 Python 版本），并自带序列化（pickle）、锁、条件变量等机制，确保跨进程读写安全。
multiprocessing.Queue 的基本用法
它接口与 queue.Queue 高度兼容，常用方法包括：
立即学习“Python免费学习笔记（深入）”；
本文档主要讲述的是Android AsyncChannel源码分析；AsyncChannel类用于处理两个Handler之间的异步消息传递，消息传递的Handler可以出于同一进程，也可以处于不同进程，不同进程之间的Handler消息传递使用Android的Binder通信机制来实现。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
- put(item, block=True, timeout=None)：向队列插入对象（自动 pickle 序列化）
- get(block=True, timeout=None)：取出对象（自动反序列化）
- empty() 和 qsize()：注意——这两个方法在多进程下red">不保证实时准确，仅作参考，不可用于同步逻辑
- close() 和 join_thread()：建议在进程退出前调用，确保后台线程清理完毕
实际使用中的关键注意事项
避免踩坑，需牢记以下几点：
- 所有通过
Queue传递的对象必须是可被pickle序列化的（如 dict、list、str、int，但不能是 lambda、嵌套函数、未导入模块的类实例等） - 子进程消费完数据后，父进程不要立即关闭 Queue；应等待子进程
join()或使用queue.close() + queue.join_thread()显式清理 - 若需双向通信，不要复用同一个 Queue，而是创建两个（一个 for send，一个 for recv），或改用
multiprocessing.Pipe - 大量小消息频繁收发时，性能可能受限于 pickle 开销和 IPC 延迟，此时可考虑
multiprocessing.Array或mmap等更底层方式
一个可靠的工作示例
以下代码演示父子进程间安全传递任务与结果：
from multiprocessing import Process, Queue import timedef worker(task_q, result_q): while True: try: task = task_q.get(timeout=1) if task is None: # 退出信号 break result_q.put(f"processed: {task}") except: continue
if name == "main": task_q = Queue() result_q = Queue()
p = Process(target=worker, args=(task_q, result_q)) p.start() for i in range(3): task_q.put(i) time.sleep(0.1) if not result_q.empty(): print(result_q.get()) task_q.put(None) # 发送结束信号 p.join() task_q.close() result_q.close() task_q.join_thread() result_q.join_thread()这段代码展示了典型生产者-消费者模式，且包含了资源清理的完整流程。
