ModuleNotFoundError: No module named 'multiprocessing.util、

### Python 中 `ModuleNotFoundError` 关于 `multiprocessing.util` 的解决方案 当遇到 `ModuleNotFoundError: No module named 'yaml'` 或者与 `multiprocessing.util` 相关的错误时，通常是因为运行环境配置不完整或者依赖未正确安装所致。 以下是针对该问题的具体分析和解决方法： #### 1. 安装缺失模块 如果提示 `No module named 'yaml'`，则说明当前环境中缺少 `PyYAML` 库。可以通过以下命令安装此库： ```bash pip install pyyaml ``` 这一步可以有效解决因缺少第三方库而导致的 `ModuleNotFoundError`[^1]。 --- #### 2. 配置 Linux 打包环境中的共享内存挂载 对于在 Linux 环境下打包过程中出现的问题，尤其是 `/dev/shm` 共享内存未挂载的情况，可能会导致多线程功能失效。具体表现为 `multiprocessing` 模块下的某些子模块（如 `util`）无法正常加载或执行。 解决办法如下： - **手动挂载 /dev/shm** 如果有权限访问宿主机文件系统，则可以在容器启动前通过以下命令挂载共享内存： ```bash mount -t tmpfs -o size=512M tmpfs /dev/shm ``` - **调整 Dockerfile 配置** 若使用的是基于 Docker 的构建流程，可在镜像创建阶段加入上述指令。例如： ```dockerfile RUN mkdir -p /dev/shm && chmod 1777 /dev/shm ``` 以上操作能够修复由共享内存不足引发的一系列异常行为[^2]。 --- #### 3. 升级至更高版本的 Python 脚本 部分旧版 Python 对现代框架的支持有限，建议升级到最新稳定发行版 (目前推荐至少为 Python 3.8+) 来规避潜在兼容性隐患。同时注意更新 pip 工具链以获取最新的软件包集合： ```bash python3 -m ensurepip --upgrade pip install --upgrade setuptools wheel ``` 完成这些准备工作后再尝试重新部署应用即可显著降低遭遇类似报错的概率。 --- #### 示例代码片段验证修正效果 下面给出一段简单的测试程序用于确认问题是否得到妥善处理： ```python import multiprocessing as mp from yaml import load, FullLoader def worker(): print(f"Worker process ID: {mp.current_process().pid}") if __name__ == "__main__": try: with open('config.yaml', 'r') as f: config = load(f, Loader=FullLoader) pool_size = int(config.get('pool_size', 4)) processes = [] for _ in range(pool_size): p = mp.Process(target=worker) p.start() processes.append(p) for proc in processes: proc.join() except Exception as e: print(e) ``` 确保本地已存在名为 `config.yaml` 文件并包含适当键值对数据结构之后再运行上面这段逻辑来观察实际表现情况如何变化。 ---