ProcessPoolExecutor 报 BrokenProcessPool，先找 Exception in initializer

主进程已经取得输入数据，提交处理任务时却报 BrokenProcessPool，日志前面还有 Exception in initializer。先保留 worker 初始化的完整 traceback：池失效是后续结果，真正失败的资源加载通常在前面。

例如 initializer 调用 dlib.shape_predictor()，报 Unable to open shape_predictor_68_face_landmarks.dat。这条路径需要检查 worker 实际可见的模型文件，不应因为网络请求已经成功，就继续排查远端 API。

initializer 在任务函数执行前失败

ProcessPoolExecutor 的 initializer 用来在各 worker 开始工作时执行初始化，initargs 提供参数。该能力自 Python 3.7 提供；初始化函数抛出异常，会使池无法继续正常处理，等待中的任务和后续提交都可能报 BrokenProcessPool。

保存最早的初始化错误、实际解释器、启动参数和文件路径。若没有 Exception in initializer，还需考虑进程异常退出、原生库崩溃或内存限制等证据；不是每条 BrokenProcessPool 都表示缺模型文件。

任务函数无法 pickle 则是另一阶段的问题，可看 ProcessPoolExecutor 的局部函数序列化检查。把函数移到模块顶层，不会补齐 initializer 要读取的外部资源。

检查 worker 的路径，不只检查终端目录

模型路径为相对路径时，核对 worker 的实际工作目录及配置来源。服务、容器和命令行可能使用不同目录；父进程能找到文件，也不能证明每个 worker 的用户、挂载和路径均一致。

检查需要的是解压后的 .dat，还是仍只有 .dat.bz2 压缩包。文件存在还要确认读取权限、大小和实际加载结果，不能把存在性检查当作模型有效性校验。容器镜像内带有资源，也不代表本机直接运行时自动获得同一文件。

自己维护的应用可以在原初始化函数中明确解析模型路径，并保留加载异常。以下仅展示 dlib 资源初始化部分，需合入原函数，保留其他必要初始化：

from pathlib import Path
import dlib

predictor = None


def init_worker(model_path):
    global predictor
    path = Path(model_path).resolve(strict=True)
    if not path.is_file():
        raise FileNotFoundError(f"model is not a regular file: {path}")
    predictor = dlib.shape_predictor(str(path))

通过原来的 initargs 传入经确认的路径。resolve 和普通文件检查能给出更早的路径诊断，真正的模型格式和内容仍由加载器验证。不要捕获所有异常后继续，让任务在 predictor 未初始化时运行。

补齐文件应使用应用认可的资源分发方式，核对模型版本和使用条件；不把任意网上同名文件当作替代，也不需要为了这个诊断临时放开目录全部权限。

资源修好后，要建立新池

已经失效的 executor 不会因为文件后来出现就恢复。先停止向旧池提交工作，按应用流程处理等待任务和关闭池，再用修正后的初始化条件建立新池。

任务可能已经部分执行过。重建前记录哪些输入已完成、哪些只是失败或结果未收取，按业务幂等规则决定重提范围，不能把整个批次无条件重复执行。涉及外部写入时，还要核对结果状态。

父进程提前检查资源可以减少明显错误，但不能替代 worker 中的真实加载验证。初始化函数及任务入口仍须满足当前进程启动方式的导入要求；不要把改成 fork 或无限重试当作资源缺失的修复。

保存模型配置和原启动参数，在隔离环境用少量输入验证每个 worker 能完成初始化、任务成功返回、原输出确实生成且池正常关闭。若原生加载器仍失败，继续核对格式、版本和文件完整性。回退时同时恢复资源路径与兼容配置，保留已处理输入的状态，避免重复写入。