python multiprocessing can't pickle '_thread.lock' object

Python 的多进程（multiprocessing）模块中，有些对象是无法被序列化（pickle）的。其中， _thread.lock 对象是其中一个无法被序列化的对象，因此在使用 Python 多进程时，如果你的代码中使用了这个对象，就会出现 can't pickle '_thread.lock' object 的错误。

_thread.lock 是 Python 的线程（thread）模块中的一个对象，它用于线程同步，避免多个线程同时修改同一个资源。在多进程中，由于多个进程之间的内存是独立的，因此不能直接共享线程锁对象，所以在序列化时就会出错。

解决这个问题的方法，是将需要共享的数据传递给子进程，并让子进程在自己的内存空间中进行操作。可以使用 Python 的进程间通信（IPC）机制来实现这一点。例如，可以使用 multiprocessing.Queue 对象来实现进程之间的数据传递。

下面是一个示例代码，演示了如何使用 multiprocessing.Queue 对象来实现进程之间的数据传递：

import multiprocessing
def worker(queue):
    while True:
        data = queue.get()
        if data is None:
            break
        # Do some work with data...
if __name__ == '__main__':
    queue = multiprocessing.Queue()
    processes = []
    for i in range(4):
        p = multiprocessing.Process(target=worker, args=(queue,))
        p.start()
        processes.append(p)
    # Send some data to worker processes
    for i in range(10):
        queue.put(i)
    # Tell worker processes to exit
    for i in range(4):
        queue.put(None)
    # Wait for worker processes to exit
    for p in processes:
        p.join()
在上面的代码中，我们创建了一个 multiprocessing.Queue 对象，将其传递给子进程。子进程通过调用 queue.get() 方法来获取数据。主进程通过调用 queue.put() 方法来将数据放入队列中。当主进程想要退出时，需要向队列中放入与进程数相同的 None 对象，以通知子进程退出。最后，主进程调用 join() 方法等待所有子进程退出。
通过这种方式，我们可以在多进程中共享数据，而不需要使用无法被序列化的 _thread.lock 对象，避免了 can't pickle '_thread.lock' object 错误的发生。