多线程可以共享全局变量，多进程不能。多线程中，所有子线程的进程号相同；多进程中，不同的子进程进程号不同。
#!/usr/bin/python# -*- coding:utf-8 -*-import osimport threadingimport multiprocessingcount_thread = 0count_process = 0# worker functiondef worker1(sign, lock): global count_thread lock.acquire() count_thread += 1 print(sign, os.getpid()) lock.release()def worker2(sign, lock): global count_process lock.acquire() count_process += 1 print(sign, os.getpid()) lock.release()# Mainprint('Main:',os.getpid())# Multi-threadrecord = []lock = threading.Lock()for i in range(5): thread = threading.Thread(target=worker1,args=('thread',lock)) thread.start() record.append(thread)for thread in record: thread.join()# Multi-processrecord = []lock = multiprocessing.Lock()for i in range(5): process = multiprocessing.Process(target=worker2,args=('process',lock)) process.start() record.append(process)for process in record: process.join()print count_threadprint count_process 运行结果
('Main:', 3142)
('thread', 3142)('thread', 3142)('thread', 3142)('thread', 3142)('thread', 3142)('process', 3148)('process', 3149)('process', 3150)('process', 3151)('process', 3152)50应该尽量避免多进程共享资源。多进程共享资源必然会带来进程间相互竞争。而这种竞争又会造成race condition，我们的结果有可能被竞争的不确定性所影响。但如果需要，我们依然可以通过共享内存和Manager对象这么做。
1) 共享内存
用Python实现的例子:
import multiprocessingdef f(n, a): n.value = 3.14 a[0] = 5num = multiprocessing.Value('d', 0.0)arr = multiprocessing.Array('i', range(10))p = multiprocessing.Process(target=f, args=(num, arr))p.start()p.join()print num.valueprint arr[:] 这里我们实际上只有主进程和Process对象代表的进程。我们在主进程的内存空间中创建共享的内存，也就是Value和Array两个对象。对象Value被设置成为双精度数(d), 并初始化为0.0。而Array则类似于C中的数组，有固定的类型(i, 也就是整数)。在Process进程中，我们修改了Value和Array对象。回到主程序，打印出结果，主程序也看到了两个对象的改变，说明资源确实在两个进程之间共享。
2）Manager
Manager对象类似于服务器与客户之间的通信 (server-client)，与我们在Internet上的活动很类似。我们用一个进程作为服务器，建立Manager来真正存放资源。其它的进程可以通过参数传递或者根据地址来访问Manager，建立连接后，操作服务器上的资源。在防火墙允许的情况下，我们完全可以将Manager运用于多计算机，从而模仿了一个真实的网络情境。下面的例子中，我们对Manager的使用类似于shared memory，但可以共享更丰富的对象类型。
import multiprocessingdef f(x, arr, l): x.value = 3.14 arr[0] = 5 l.append('Hello')server = multiprocessing.Manager()x = server.Value('d', 0.0)arr = server.Array('i', range(10))l = server.list()proc = multiprocessing.Process(target=f, args=(x, arr, l))proc.start()proc.join()print(x.value)print(arr)print(l) Manager利用list()方法提供了表的共享方式。实际上你可以利用dict()来共享词典，Lock()来共享threading.Lock(注意，我们共享的是threading.Lock，而不是进程的mutiprocessing.Lock。后者本身已经实现了进程共享)等。 这样Manager就允许我们共享更多样的对象。
参考资料：
http://blog.csdn.net/zhaozhi406/article/details/8137670
http://www.xuebuyuan.com/1968817.html