我正在学习Python的多进程处理，用于加速数据分析任务。我的任务是读取一个大型CSV文件，将每一行数据处理后写入一个新的CSV文件。由于数据量较大，我尝试使用multiprocessing库来并行处理这些数据。然而，在实现过程中，我遇到了一些问题：
- 数据竞争：多个进程同时写入文件时，有时会出现数据混乱或遗漏的情况。
- 进程间通信：我希望能在每个进程完成其任务后，将处理结果汇总到一个主进程，但我发现进程间的通信效率较低。
- 异常处理：如果某个进程在运行过程中发生异常，整个程序似乎会卡住，如何捕捉并处理这些异常？
我已经尝试过使用锁（Lock）来控制文件写入，但感觉效率不高；我也尝试了Queue进行进程间通信，但性能提升不明显。
问题描述：
- 如何有效地使用Python的多进程处理来完成数据处理任务？
- 如何避免多进程写入文件时的数据竞争问题？
- 是否有更好的进程间通信方法来汇总处理结果？
- 如何处理多进程中的异常，避免整个程序因单个进程异常而中断？
操作环境：
- Python版本：3.9
- 操作系统：Windows 10
