Python 可以运行脚本的多个实例，每个实例都包含自己的数据吗？

您所描述的被称为嵌入Python解释器。CPython适合这种嵌入，并提供了一个关于一些更高级别点的很好的教程(尽管它主要关注扩展而不是嵌入，但大多数概念都与这两个领域相关)。

然而，这种方法有许多缺点。特别是，与C++相比，CPython的速度相当慢。你应该假设执行任意Python字节码会阻塞不合理的时间，除非你已经对它进行了分析，并且知道你可以逃脱惩罚。更糟糕的是，每个Python解释器(一个进程中可以有多个，但需要注意的是)都有一个全局解释器锁(GIL)，除非你持有它的GIL，否则你通常无法与Python解释器交互。换句话说，一次只允许一个线程调用给定的Python解释器，这使得用线程管理Python的执行速度变得更加困难。这也意味着，即使Python代码是令人尴尬的并行代码，也可以通过给Python额外的线程来获得的速度奖励。唯一的主要例外是I/O绑定操作，Python通常可以在不持有GIL的情况下执行该操作。

另一个困难是Python对象的类型都是PyObject*。这些是(指向)引用计数对象的指针，具有许多有趣的属性，但关键是，不能只将原始内存直接提供给Python脚本并期望它工作。您至少需要将它封装在array或其他合适的Python对象中。如果您希望底层内存仍然"属于"您的应用程序，您可能希望使用缓冲协议以array和朋友可以使用的标准方式公开此内存(这样您就不会不必要地复制内存)。

在高层，我建议拥有一个或多个专用的Python工作线程(每个解释器一个，并且尽量不要旋转太多解释器，因为它们是重对象)，并在这些线程和应用程序的其他部分之间异步传递工作对象。工作线程负责在C++对象和Python对象之间进行转换，保存GIL，并运行慢速Python代码。您还应该记住，Python将消耗与应用程序其他部分使用的计算资源(CPU、内存，也许还有磁盘I/O)相同的计算资源。线程化可能有助于您使用多个内核，但它不会为您购买比实际使用更多的CPU。你可能会发现Python对你的应用程序来说太慢了，这取决于你需要脚本系统的响应能力，以及游戏引擎的其他部分能承受额外的CPU线程带来的性能压力。你应该先构建一个小原型，并验证它是否具有可接受的性能特征，然后再尝试构建真正的东西，或者如果你已经有了一个完整的游戏引擎，试着在它上安装一个最小的Python解释器，并运行一些基准测试。

我从未使用过python。但我认为这是任何编程/脚本语言的主要功能之一：根据需要多次用自己的实例调用函数。