你的问题是由2-3种不同的方式独立引起的：
1.如果不使用exec，则无法在调用run_mp时使用导入保护
1.使用exec定义事物会以各种方式破坏multiprocessing
1.（取决于IDE）IDE通常对multiprocessing来说是致命的（它们不以正常的方式调用脚本，并且multiprocessing所需的不变量没有正确建立）
问题原因#1是最简单的：将run_mp排除在导入保护区之外意味着，在除了'fork'（在Windows上不可用）之外的任何启动方法模式下，它都会尝试在每个worker中递归地调用它，因此主进程会产生一个worker池来做工作，而这些worker池又会尝试产生一个worker池来做同样的工作，但它们中没有一个实际上做过任何工作。
关于问题原因#2，具体来说，当将任务分派给worker时，multiprocessing使用pickle模块来序列化函数及其参数。函数通过它们的限定名进行pickle，pickle通过直接查找来确认该限定名是法律的。这有三个含义：
1.你不能把lambda s传递给Pool.map，即使你已经把它们赋给了一个名字，例如。foo = lambda x, y: x + y（因为他们报告的名称是modulename.<lambda>，而不是modulename.foo）

1. exec在没有在全局范围内调用时会中断（因为有问题的模块没有被导入，并且因为globals检查__name__之类的东西时会报告它被exec插入的模块，而不是它来自的模块）。
   1.即使exec在全局范围内执行（这意味着pickle可以找到定义的名称），如果exec出现在if __name__ == '__main__':保护块中，它也不会在子进程中执行，因此工作进程中的 * unpickle * 将失败，即使父进程中的 * pickle * 成功。
   关于问题原因#3，multiprocessing经常在IDE中运行时被破坏，因为许多IDE实际上做了一些与exec非常相似的事情-从IDE Package 器中提取脚本，该IDE Package 器是 * 实际 * __name__ == "__main__"脚本;即使测试仍然在脚本中声明__name__ == "__main__"，当pickle检查sys.modules['__main__']以查找函数时，它最终会找到IDE实际运行的框架模块，而不是“真实的”脚本，结果会出错（在分析下运行multiprocessing脚本时也会发生这种情况，python -mcProfile myscript.py将cProfile作为sys.modules['__main__']条目，而不是myscript）。
   要解决这些问题，请执行以下操作：
   1.不要在IDE中运行multiprocessing脚本（也不要从交互式终端）。在一个独立的终端中从命令行运行它们（例如，在Windows、cmd.exe或Powershell上，理想情况下通过Windows启动器运行，如果安装为管理员并选中其复选框，例如py -3 path/to/script.py）
   1.不要使用exec（一般来说，这是一个好主意，这是一种更正确、更简洁、更高效的方式，因为缓存的导入在每个进程中只加载一次，而不是为每个exec加载;有exec的用例，但它们非常狭窄，它永远不应该是第一个，第二个，第三个，甚至第四个工具
   1.使用您的import后卫一贯;当您使用import时，您没有保护run_mp的调用，因此启动工作进程的过程将尝试在每个工作进程中运行run_mp。当在Windows系统上运行时，这是multiprocessing编程指南的关键部分（其中'spawn'是默认的且 * 唯一 * 可用的启动方法），并且在其他地方坚持它是一个好主意（例如。macOS在最新版本的Python中默认为'spawn'，'fork'可用，但由于非fork安全的系统库而危险，甚至在Linux/BSD上，当父进程可能很大并且默认的'fork'可能会消耗大量内存时，有些人会选择使用'spawn'或'forkserver'启动方法，可能导致进程崩溃或由于虚拟内存使用过多而触发OOM Killer）。
   简而言之，您的最终示例用法几乎是正确的（如果从单独的脚本调用，而不是交互式会话，也不是通过IDE）。您只需要将其更改为：

from multiprocess import run_mp

if __name__ == "__main__":
    run_mp()

在Py 3.11上尝试这个，使用一个虚拟的“multiprocess.py”，看起来它在作为子进程（exec部分）执行时无法Pickle函数。
我的建议是使用import并调用“run_mp（）”方法，而不是执行脚本。
我的“multiprocess.py“代码：

from multiprocessing import Pool

def f(x):
    return x * x

if __name__ == '__main__':
    with Pool(5) as p:
        print(p.map(f, [1, 2, 3]))

我的“main.py“脚本：

def exec_work():
    exec(open("multiprocess.py").read())

def import_call():
    from question.multiprocess import work
    work()

if __name__ == '__main__':
    exec_work()   # <-- fails due to pickling
    import_call() # <-- works fine

所有内容都在同一个目录中，以避免任何导入问题！