> **Источник:** https://python-all.ru/3.14/library/multiprocessing.html
>
> «Документация Python на русском» – неофициальный перевод официальной документации Python: версии от 2.6 до 3.16, полнотекстовый поиск, английский оригинал рядом с переводом. Эта Markdown-версия страницы предназначена для работы с LLM: вставьте её в ChatGPT, Claude или Cursor.

---

# `multiprocessing` – параллелизм на основе процессов

**Исходный код:** [Lib/multiprocessing/](https://python-all.ru/src/3.14/Lib/multiprocessing)

---

[Доступность](https://python-all.ru/3.14/library/intro.html#availability): не Android, не iOS, не WASI.

Этот модуль не поддерживается на [мобильных платформах](https://python-all.ru/3.14/library/intro.html#mobile-availability) или [платформах WebAssembly](https://python-all.ru/3.14/library/intro.html#wasm-availability).

## Введение

`multiprocessing` – это пакет, который поддерживает порождение процессов с помощью API, похожего на модуль [`threading`](https://python-all.ru/3.14/library/threading.html#module-threading). Пакет `multiprocessing` предоставляет как локальную, так и удалённую конкурентность, эффективно обходя [глобальную блокировку интерпретатора](https://python-all.ru/3.14/glossary.html#term-global-interpreter-lock) за счёт использования подпроцессов вместо потоков. Благодаря этому модуль `multiprocessing` позволяет программисту полностью задействовать несколько процессоров на данной машине. Он работает как на POSIX, так и Windows.

Модуль `multiprocessing` также вводит объект [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), который предоставляет удобный способ распараллеливания выполнения функции по множеству входных значений, распределяя входные данные между процессами (параллелизм данных). Следующий пример демонстрирует распространённую практику определения таких функций в модуле, чтобы дочерние процессы могли успешно импортировать этот модуль. Этот базовый пример параллелизма данных с использованием `Pool`,

```python
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]))
```

будет выводить на стандартный вывод

```python
[1, 4, 9]
```

Модуль `multiprocessing` также вводит API, которые не имеют аналогов в модуле [`threading`](https://python-all.ru/3.14/library/threading.html#module-threading), например возможность [`terminate`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.terminate), [`interrupt`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.interrupt) или [`kill`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.kill) запущенный процесс.

> **См. также**
>
> [`concurrent.futures.ProcessPoolExecutor`](https://python-all.ru/3.14/library/concurrent.futures.html#concurrent.futures.ProcessPoolExecutor) предлагает интерфейс более высокого уровня для отправки задач фоновому процессу без блокировки выполнения вызывающего процесса. По сравнению с прямым использованием интерфейса [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), API [`concurrent.futures`](https://python-all.ru/3.14/library/concurrent.futures.html#module-concurrent.futures) позволяет легче разделить отправку работы в пул процессов и ожидание результатов.

### Класс [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process)

В `multiprocessing` процессы порождаются созданием объекта [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process) и последующим вызовом его метода [`start()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.start). `Process` следует API [`threading.Thread`](https://python-all.ru/3.14/library/threading.html#threading.Thread). Простой пример многопроцессной программы:

```python
from multiprocessing import Process

def f(name):
    print('hello', name)

if __name__ == '__main__':
    p = Process(target=f, args=('bob',))
    p.start()
    p.join()
```

Чтобы показать идентификаторы задействованных процессов, вот расширенный пример:

```python
from multiprocessing import Process
import os

def info(title):
    print(title)
    print('module name:', __name__)
    print('parent process:', os.getppid())
    print('process id:', os.getpid())

def f(name):
    info('function f')
    print('hello', name)

if __name__ == '__main__':
    info('main line')
    p = Process(target=f, args=('bob',))
    p.start()
    p.join()
```

Объяснение того, зачем нужна часть `if __name__ == '__main__'`, см. в [руководстве по программированию](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-programming).

Аргументы [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process) обычно должны быть сериализуемыми (picklable), чтобы их можно было передать дочернему процессу. Если попытаться ввести приведённый выше пример непосредственно в REPL, это может привести к [`AttributeError`](https://python-all.ru/3.14/library/exceptions.html#AttributeError) в дочернем процессе при попытке найти функцию *f* в модуле `__main__`.

### Контексты и методы запуска

В зависимости от платформы `multiprocessing` поддерживает три способа запуска процесса. Эти *методы запуска*:

> ***spawn***
>
> Родительский процесс запускает новый процесс интерпретатора Python. Дочерний процесс унаследует только те ресурсы, которые необходимы для выполнения метода [`run()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.run) объекта процесса. В частности, ненужные файловые дескрипторы и дескрипторы из родительского процесса не наследуются. Запуск процесса с помощью этого метода довольно медленный по сравнению с использованием *fork* или *forkserver*.
>
> Доступно на платформах POSIX и Windows. По умолчанию используется на Windows и macOS.
>
> ***fork***
>
> Родительский процесс использует [`os.fork()`](https://python-all.ru/3.14/library/os.html#os.fork) для форка интерпретатора Python. Дочерний процесс в начале своего выполнения фактически идентичен родительскому процессу. Все ресурсы родительского процесса наследуются дочерним процессом. Обратите внимание, что безопасный форк многопоточного процесса проблематичен.
>
> Доступно на системах POSIX.
>
> Изменено в версии 3.14: Этот метод больше не является методом запуска по умолчанию ни на одной платформе. Код, требующий *fork*, должен явно указать это через [`get_context()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.get_context) или [`set_start_method()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.set_start_method).
>
> Изменено в версии 3.12: Если Python может обнаружить, что ваш процесс имеет несколько потоков, то функция [`os.fork()`](https://python-all.ru/3.14/library/os.html#os.fork), вызываемая этим методом запуска внутри, вызовет исключение [`DeprecationWarning`](https://python-all.ru/3.14/library/exceptions.html#DeprecationWarning). Используйте другой метод запуска. Дополнительные объяснения см. в документации к `os.fork()`.
>
> ***forkserver***
>
> Когда программа запускается и выбирает метод запуска *forkserver*, порождается серверный процесс. После этого, когда требуется новый процесс, родительский процесс подключается к серверу и запрашивает создание нового процесса через fork. Серверный процесс forkserver является однопоточным, если только системные библиотеки или предварительно загруженные импорты не порождают потоки как побочный эффект, поэтому обычно он может безопасно использовать [`os.fork()`](https://python-all.ru/3.14/library/os.html#os.fork). Никакие ненужные ресурсы не наследуются.
>
> Доступно на платформах POSIX, поддерживающих передачу файловых дескрипторов через каналы Unix, таких как Linux. Используется по умолчанию на таких платформах.
>
> Изменено в версии 3.14: Этот метод стал методом запуска по умолчанию на платформах POSIX.

Изменено в версии 3.4: *spawn* добавлен на всех платформах POSIX, а *forkserver* добавлен для некоторых платформ POSIX. Дочерние процессы больше не наследуют все наследуемые дескрипторы родительского процесса в Windows.

Изменено в версии 3.8: На macOS метод запуска *spawn* теперь используется по умолчанию. Метод запуска *fork* следует считать небезопасным, так как он может приводить к сбоям подпроцесса, поскольку системные библиотеки macOS могут запускать потоки. См. [bpo-33725](https://python-all.ru/3.14/library/multiprocessing.html).

Изменено в версии 3.14: На платформах POSIX метод запуска по умолчанию был изменён с *fork* на *forkserver*, чтобы сохранить производительность, но избежать типичных проблем совместимости многопоточных процессов. См. [gh-84559](https://python-all.ru/3.14/library/multiprocessing.html).

На POSIX использование методов запуска *spawn* или *forkserver* также запускает процесс *resource tracker* (отслеживатель ресурсов), который отслеживает удалённые именованные системные ресурсы (такие как именованные семафоры или объекты [`SharedMemory`](https://python-all.ru/3.14/library/multiprocessing.shared_memory.html#multiprocessing.shared_memory.SharedMemory)), созданные процессами программы. Когда все процессы завершатся, отслеживатель ресурсов удаляет все оставшиеся отслеживаемые объекты. Обычно их не должно быть, но если процесс был убит сигналом, могут остаться некоторые «утекшие» ресурсы. (Ни утекшие семафоры, ни разделяемые сегменты памяти не будут автоматически удалены до следующей перезагрузки. Это проблематично для обоих типов объектов, так как система допускает лишь ограниченное количество именованных семафоров, а разделяемые сегменты памяти занимают некоторое место в основной памяти.)

Для выбора метода запуска используется [`set_start_method()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.set_start_method) в блоке `if __name__ == '__main__'` главного модуля. Например:

```python
import multiprocessing as mp

def foo(q):
    q.put('hello')

if __name__ == '__main__':
    mp.set_start_method('spawn')
    q = mp.Queue()
    p = mp.Process(target=foo, args=(q,))
    p.start()
    print(q.get())
    p.join()
```

[`set_start_method()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.set_start_method) не должен использоваться более одного раза в программе.

В качестве альтернативы можно использовать [`get_context()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.get_context) для получения объекта контекста. Объекты контекста имеют тот же API, что и модуль multiprocessing, и позволяют использовать несколько методов запуска в одной программе.

```python
import multiprocessing as mp

def foo(q):
    q.put('hello')

if __name__ == '__main__':
    ctx = mp.get_context('spawn')
    q = ctx.Queue()
    p = ctx.Process(target=foo, args=(q,))
    p.start()
    print(q.get())
    p.join()
```

Обратите внимание: объекты, связанные с одним контекстом, могут быть несовместимы с процессами другого контекста. В частности, блокировки, созданные с помощью контекста *fork*, нельзя передавать процессам, запущенным с помощью методов запуска *spawn* или *forkserver*.

Библиотеки, использующие `multiprocessing` или [`ProcessPoolExecutor`](https://python-all.ru/3.14/library/concurrent.futures.html#concurrent.futures.ProcessPoolExecutor), должны быть спроектированы так, чтобы позволять своим пользователям указывать собственный контекст multiprocessing. Использование определённого контекста внутри библиотеки может привести к несовместимости с остальной частью приложения пользователя библиотеки. Всегда документируйте, требует ли ваша библиотека конкретного метода запуска.

> **Предупреждение**
>
> Методы запуска `'spawn'` и `'forkserver'`, как правило, нельзя использовать с «замороженными» исполняемыми файлами (т.е. бинарными файлами, созданными пакетами вроде **PyInstaller** и **cx\_Freeze**) в системах POSIX. Метод запуска `'fork'` может работать, если код не использует потоки.

### Обмен объектами между процессами

`multiprocessing` поддерживает два типа каналов связи между процессами:

**Очереди**

> Класс [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue) является почти точной копией [`queue.Queue`](https://python-all.ru/3.14/library/queue.html#queue.Queue). Например:
>
> ```python
> from multiprocessing import Process, Queue
>
> def f(q):
>     q.put([42, None, 'hello'])
>
> if __name__ == '__main__':
>     q = Queue()
>     p = Process(target=f, args=(q,))
>     p.start()
>     print(q.get())    # печатает "[42, None, 'hello']"
>     p.join()
> ```
>
> Очереди являются потокобезопасными и безопасными для процессов. Любой объект, помещённый в очередь `multiprocessing`, будет сериализован.

**Каналы**

> Функция [`Pipe()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe) возвращает пару объектов соединения, связанных каналом, который по умолчанию является дуплексным (двунаправленным). Например:
>
> ```python
> from multiprocessing import Process, Pipe
>
> def f(conn):
>     conn.send([42, None, 'hello'])
>     conn.close()
>
> if __name__ == '__main__':
>     parent_conn, child_conn = Pipe()
>     p = Process(target=f, args=(child_conn,))
>     p.start()
>     print(parent_conn.recv())   # печатает "[42, None, 'hello']"
>     p.join()
> ```
>
> Два объекта соединения, возвращаемые [`Pipe()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe), представляют два конца канала. Каждый объект соединения имеет методы `send()` и `recv()` (среди прочих). Обратите внимание: данные в канале могут быть повреждены, если два процесса (или потока) попытаются одновременно читать или писать в *один и тот же* конец канала. Разумеется, нет риска повреждения, если процессы одновременно используют разные концы канала.
>
> Метод `send()` сериализует объект, а `recv()` воссоздаёт объект.

### Синхронизация между процессами

`multiprocessing` содержит эквиваленты всех примитивов синхронизации из [`threading`](https://python-all.ru/3.14/library/threading.html#module-threading). Например, можно использовать блокировку, чтобы гарантировать, что только один процесс одновременно выводит на стандартный вывод:

```python
from multiprocessing import Process, Lock

def f(l, i):
    l.acquire()
    try:
        print('hello world', i)
    finally:
        l.release()

if __name__ == '__main__':
    lock = Lock()

    for num in range(10):
        Process(target=f, args=(lock, num)).start()
```

Без использования блокировки вывод от разных процессов может полностью перепутаться.

### Совместное использование состояния между процессами

Как уже упоминалось, при параллельном программировании обычно лучше избегать использования общего состояния, насколько это возможно. Это особенно верно при использовании нескольких процессов.

Однако если действительно необходимо использовать некоторые общие данные, то `multiprocessing` предоставляет несколько способов сделать это.

**Разделяемая память**

> Данные могут храниться в отображении разделяемой памяти с помощью [`Value`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Value) или [`Array`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Array). Например, следующий код
>
> ```python
> from multiprocessing import Process, Value, Array
>
> def f(n, a):
>     n.value = 3.1415927
>     for i in range(len(a)):
>         a[i] = -a[i]
>
> if __name__ == '__main__':
>     num = Value('d', 0.0)
>     arr = Array('i', range(10))
>
>     p = Process(target=f, args=(num, arr))
>     p.start()
>     p.join()
>
>     print(num.value)
>     print(arr[:])
> ```
>
> выведет
>
> ```python
> 3.1415927
> [0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
> ```
>
> Аргументы `'d'` и `'i'`, используемые при создании `num` и `arr`, – это коды типов, аналогичные используемым модулем [`array`](https://python-all.ru/3.14/library/array.html#module-array): `'d'` означает число с плавающей запятой двойной точности, а `'i'` – целое число со знаком. Эти разделяемые объекты будут безопасными для процессов и потоков.
>
> Для большей гибкости при работе с разделяемой памятью можно использовать модуль [`multiprocessing.sharedctypes`](https://python-all.ru/3.14/library/multiprocessing.html#module-multiprocessing.sharedctypes), который поддерживает создание произвольных объектов ctypes, выделенных из разделяемой памяти.

**Серверный процесс**

> Объект-менеджер, возвращаемый [`Manager()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Manager), управляет серверным процессом, который содержит объекты Python и позволяет другим процессам манипулировать ими с помощью прокси.
>
> Менеджер, возвращаемый [`Manager()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Manager), будет поддерживать типы [`list`](https://python-all.ru/3.14/library/stdtypes.html#list), [`dict`](https://python-all.ru/3.14/library/stdtypes.html#dict), [`set`](https://python-all.ru/3.14/library/stdtypes.html#set), [`Namespace`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.Namespace), [`Lock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock), [`RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock), [`Semaphore`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Semaphore), [`BoundedSemaphore`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.BoundedSemaphore), [`Condition`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Condition), [`Event`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Event), [`Barrier`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Barrier), [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue), [`Value`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Value) и [`Array`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Array). Например,
>
> ```python
> from multiprocessing import Process, Manager
>
> def f(d, l, s):
>     d[1] = '1'
>     d['2'] = 2
>     d[0.25] = None
>     l.reverse()
>     s.add('a')
>     s.add('b')
>
> if __name__ == '__main__':
>     with Manager() as manager:
>         d = manager.dict()
>         l = manager.list(range(10))
>         s = manager.set()
>
>         p = Process(target=f, args=(d, l, s))
>         p.start()
>         p.join()
>
>         print(d)
>         print(l)
>         print(s)
> ```
>
> выведет
>
> ```python
> {0.25: None, 1: '1', '2': 2}
> [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
> {'a', 'b'}
> ```
>
> Серверные менеджеры процессов более гибкие, чем использование объектов разделяемой памяти, потому что их можно настроить на поддержку произвольных типов объектов. Кроме того, один менеджер может быть разделён между процессами на разных компьютерах через сеть. Однако они медленнее, чем использование разделяемой памяти.

### Использование пула рабочих процессов

Класс [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool) представляет пул рабочих процессов. Он имеет методы, которые позволяют передавать задачи рабочим процессам несколькими различными способами.

Например:

```python
from multiprocessing import Pool, TimeoutError
import time
import os

def f(x):
    return x*x

if __name__ == '__main__':
    # запустить 4 рабочих процесса
    with Pool(processes=4) as pool:

        # печатает "[0, 1, 4,..., 81]"
        print(pool.map(f, range(10)))

        # печатает те же числа в произвольном порядке
        for i in pool.imap_unordered(f, range(10)):
            print(i)

        # вычисляет "f(20)" асинхронно
        res = pool.apply_async(f, (20,))      # выполняется *только* в одном процессе
        print(res.get(timeout=1))             # печатает "400"

        # вычисляет "os.getpid()" асинхронно
        res = pool.apply_async(os.getpid, ()) # выполняется *только* в одном процессе
        print(res.get(timeout=1))             # печатает PID этого процесса

        # запуск нескольких асинхронных вычислений *может* задействовать больше процессов
        multiple_results = [pool.apply_async(os.getpid, ()) for i in range(4)]
        print([res.get(timeout=1) for res in multiple_results])

        # усыпить один рабочий процесс на 10 секунд
        res = pool.apply_async(time.sleep, (10,))
        try:
            print(res.get(timeout=1))
        except TimeoutError:
            print("We lacked patience and got a multiprocessing.TimeoutError")

        print("For the moment, the pool remains available for more work")

    # выход из блока 'with' остановил пул
    print("Now the pool is closed and no longer available")
```

Обратите внимание: методы пула должны использоваться только тем процессом, который его создал.

> **Примечание**
>
> Для функциональности этого пакета требуется, чтобы модуль `__main__` был импортируемым дочерними процессами. Это описано в [Рекомендациях по программированию](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-programming), но стоит упомянуть об этом и здесь. Это означает, что некоторые примеры, такие как примеры [`multiprocessing.pool.Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), не будут работать в интерактивном интерпретаторе. Например:
>
> ```python
> >>> from multiprocessing import Pool
> >>> p = Pool(5)
> >>> def f(x):
> ...     return x*x
> ...
> >>> with p:
> ...     p.map(f, [1,2,3])
> Process PoolWorker-1:
> Process PoolWorker-2:
> Process PoolWorker-3:
> Traceback (most recent call last):
> Traceback (most recent call last):
> Traceback (most recent call last):
> AttributeError: Can't get attribute 'f' on <module '__main__' (<class '_frozen_importlib.BuiltinImporter'>)>
> AttributeError: Can't get attribute 'f' on <module '__main__' (<class '_frozen_importlib.BuiltinImporter'>)>
> AttributeError: Can't get attribute 'f' on <module '__main__' (<class '_frozen_importlib.BuiltinImporter'>)>
> ```
>
> (Если попробовать это сделать, на самом деле будет выведено три полных трассировки стека, перемешанных в полу-случайном порядке, и, возможно, придётся как-то остановить родительский процесс.)

## Ссылка

Пакет `multiprocessing` в основном повторяет API модуля [`threading`](https://python-all.ru/3.14/library/threading.html#module-threading).

### Глобальный метод запуска

Python поддерживает несколько способов создания и инициализации процесса. Глобальный метод запуска задаёт механизм по умолчанию для создания процесса.

Некоторые функции и методы multiprocessing, которые также могут создавать определённые объекты, неявно устанавливают глобальный метод запуска в системный по умолчанию, если он ещё не был установлен. Глобальный метод запуска можно установить только один раз. Если требуется изменить метод запуска с системного по умолчанию, необходимо заранее установить глобальный метод запуска до вызова функций или методов или создания этих объектов.

### [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process) и исключения

#### `class multiprocessing.Process(group=None, target=None, name=None, args=(), kwargs={}, *, daemon=None)`

Объекты Process представляют активность, выполняемую в отдельном процессе. Класс `Process` имеет эквиваленты всех методов [`threading.Thread`](https://python-all.ru/3.14/library/threading.html#threading.Thread).

Конструктор всегда следует вызывать с именованными аргументами. *group* всегда должен быть `None`; он существует только для совместимости с [`threading.Thread`](https://python-all.ru/3.14/library/threading.html#threading.Thread). *target* – это вызываемый объект, который будет вызван методом [`run()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.run). По умолчанию `None`, то есть ничего не вызывается. *name* – это имя процесса (см. [`name`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.name) для подробностей). *args* – кортеж аргументов для вызова целевой функции. *kwargs* – это словарь именованных аргументов для вызова целевой функции. Если указан, аргумент только по ключевому слову *daemon* устанавливает флаг процесса [`daemon`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.daemon) в `True` или `False`. Если `None` (по умолчанию), этот флаг будет унаследован от создающего процесса.

По умолчанию в *target* не передаётся никаких аргументов. Аргумент *args*, по умолчанию равный `()`, можно использовать для указания списка или кортежа аргументов, передаваемых в *target*.

Если подкласс переопределяет конструктор, он должен вызывать конструктор базового класса (`super().__init__()`) перед любыми другими действиями над процессом.

> **Примечание**
>
> В общем случае все аргументы `Process` должны быть упаковываемы (picklable). Это часто наблюдается при попытке создать `Process` или использовать [`concurrent.futures.ProcessPoolExecutor`](https://python-all.ru/3.14/library/concurrent.futures.html#concurrent.futures.ProcessPoolExecutor) из REPL с локально определённой функцией *target*.
>
> Передача вызываемого объекта, определённого в текущей сессии REPL, приводит к тому, что дочерний процесс завершается из-за необработанного исключения [`AttributeError`](https://python-all.ru/3.14/library/exceptions.html#AttributeError) при запуске, поскольку *target* должен быть определён внутри импортируемого модуля, чтобы его можно было загрузить при распаковке (unpickling).
>
> Пример этой неперехватываемой ошибки от дочернего процесса:
>
> ```python
> >>> import multiprocessing as mp
> >>> def knigit():
> ...     print("Ni!")
> ...
> >>> process = mp.Process(target=knigit)
> >>> process.start()
> >>> Traceback (most recent call last):
>   File ".../multiprocessing/spawn.py", line ..., in spawn_main
>   File ".../multiprocessing/spawn.py", line ..., in _main
> AttributeError: module '__main__' has no attribute 'knigit'
> >>> process
> <SpawnProcess name='SpawnProcess-1' pid=379473 parent=378707 stopped exitcode=1>
> ```
>
> См. [Методы запуска spawn и forkserver](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-programming-spawn). Хотя это ограничение не действует при использовании метода запуска `"fork"`, начиная с Python `3.14` он больше не является методом по умолчанию ни на одной платформе. См. [Контексты и методы запуска](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-start-methods). См. также [gh-132898](https://python-all.ru/3.14/library/multiprocessing.html).

Изменено в версии 3.3: Добавлен параметр *daemon*.

#### `run()`

Метод, представляющий активность процесса.

Этот метод можно переопределить в подклассе. Стандартный метод `run()` вызывает вызываемый объект, переданный конструктору объекта в качестве аргумента target, если он есть, с позиционными и именованными аргументами, взятыми из аргументов *args* и *kwargs* соответственно.

Использование списка или кортежа в качестве аргумента *args*, переданного в `Process`, даёт тот же эффект.

Пример:

```python
>>> from multiprocessing import Process
>>> p = Process(target=print, args=[1])
>>> p.run()
1
>>> p = Process(target=print, args=(1,))
>>> p.run()
1
```

#### `start()`

Запускает активность процесса.

Этот метод должен быть вызван не более одного раза для каждого объекта процесса. Он обеспечивает вызов метода [`run()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.run) объекта в отдельном процессе.

#### `join([timeout])`

Если необязательный аргумент *timeout* равен `None` (по умолчанию), метод блокируется до завершения процесса, у которого вызывается метод `join()`. Если *timeout* – положительное число, блокировка длится не более *timeout* секунд. Обратите внимание: метод возвращает `None`, если процесс завершился или истекло время ожидания. Проверьте [`exitcode`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.exitcode) процесса, чтобы определить, завершился ли он.

Процесс может быть присоединён много раз.

Процесс не может присоединить сам себя, так как это приведёт к взаимоблокировке. Попытка вызвать join для процесса до его запуска является ошибкой.

#### `name`

Имя процесса. Имя – это строка, используемая только для идентификации. Оно не имеет семантического значения. Несколько процессов могут иметь одно и то же имя.

Начальное имя устанавливается конструктором. Если явное имя не передано конструктору, создаётся имя вида ‘Process-N1:N2:…:Nk’, где каждая Nk – это N-й дочерний процесс своего родителя.

#### `is_alive()`

Возвращает, жив ли процесс.

Грубо говоря, объект процесса живёт с момента возврата метода [`start()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.start) до завершения дочернего процесса.

#### `daemon`

Флаг демона процесса (логическое значение). Должен быть установлен до вызова [`start()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.start).

Начальное значение наследуется от создающего процесса.

Когда процесс завершается, он пытается завершить все свои дочерние процессы-демоны.

Обратите внимание, что процессу-демону не разрешается создавать дочерние процессы. Иначе процесс-демон оставил бы своих потомков осиротевшими, если бы он был завершён при выходе своего родительского процесса. Кроме того, это **не** демоны или службы Unix, а обычные процессы, которые будут завершены (и не присоединены), если не-демонические процессы завершились.

В дополнение к API [`threading.Thread`](https://python-all.ru/3.14/library/threading.html#threading.Thread) объекты `Process` также поддерживают следующие атрибуты и методы:

#### `pid`

Возвращает идентификатор процесса. До запуска процесса это будет `None`.

#### `exitcode`

Код выхода дочернего процесса. Будет равно `None`, если процесс ещё не завершён.

Если метод [`run()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.run) дочернего процесса завершился нормально, код выхода будет 0. Если он был завершён через [`sys.exit()`](https://python-all.ru/3.14/library/sys.html#sys.exit) с целочисленным аргументом *N*, код выхода будет *N*.

Если дочерний процесс завершился из-за необработанного исключения внутри [`run()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.run), код выхода будет 1. Если он был завершён сигналом *N*, код выхода будет отрицательным значением *-N*.

#### `authkey`

Ключ аутентификации процесса (байтовая строка).

При инициализации `multiprocessing` главному процессу назначается случайная строка с помощью [`os.urandom()`](https://python-all.ru/3.14/library/os.html#os.urandom).

При создании объекта `Process` он наследует ключ аутентификации своего родительского процесса, хотя его можно изменить, установив [`authkey`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.authkey) в другую байтовую строку.

См. [Ключи аутентификации](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-auth-keys).

#### `sentinel`

Числовой дескриптор системного объекта, который становится «готов» по завершении процесса.

Это значение можно использовать для ожидания нескольких событий одновременно с помощью [`multiprocessing.connection.wait()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.wait). В противном случае вызов [`join()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.join) проще.

В Windows это дескриптор ОС, используемый с семейством `WaitForSingleObject` и `WaitForMultipleObjects` API-вызовов. В POSIX это файловый дескриптор, используемый с примитивами из модуля [`select`](https://python-all.ru/3.14/library/select.html#module-select).

Добавлено в версии 3.3.

#### `interrupt()`

Прерывает процесс. В POSIX используется сигнал [`SIGINT`](https://python-all.ru/3.14/library/signal.html#signal.SIGINT). Поведение в Windows не определено.

По умолчанию завершает дочерний процесс, возбуждая [`KeyboardInterrupt`](https://python-all.ru/3.14/library/exceptions.html#KeyboardInterrupt). Это поведение можно изменить, установив соответствующий обработчик сигнала в дочернем процессе [`signal.signal()`](https://python-all.ru/3.14/library/signal.html#signal.signal) для [`SIGINT`](https://python-all.ru/3.14/library/signal.html#signal.SIGINT).

Примечание: если дочерний процесс перехватывает и игнорирует [`KeyboardInterrupt`](https://python-all.ru/3.14/library/exceptions.html#KeyboardInterrupt), процесс не будет завершён.

Примечание: поведение по умолчанию также установит [`exitcode`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.exitcode) в `1`, как если бы необработанное исключение было возбуждено в дочернем процессе. Чтобы получить другой `exitcode`, можно просто перехватить [`KeyboardInterrupt`](https://python-all.ru/3.14/library/exceptions.html#KeyboardInterrupt) и вызвать `exit(your_code)`.

Добавлено в версии 3.14.

#### `terminate()`

Завершает процесс. В POSIX это делается с помощью сигнала [`SIGTERM`](https://python-all.ru/3.14/library/signal.html#signal.SIGTERM); в Windows используется `TerminateProcess()`. Обратите внимание, что обработчики выхода и блоки finally и т.п. не будут выполнены.

Обратите внимание, что процессы-потомки *не* будут завершены – они просто станут осиротевшими.

> **Предупреждение**
>
> Если этот метод используется, когда связанный процесс использует канал или очередь, то канал или очередь могут быть повреждены и стать непригодными для использования другими процессами. Аналогично, если процесс захватил блокировку или семафор и т.п., то его завершение может привести к взаимной блокировке других процессов.

#### `kill()`

То же, что и [`terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.terminate), но с помощью сигнала `SIGKILL` в POSIX.

Добавлено в версии 3.7.

#### `close()`

Закрывает объект `Process`, освобождая все связанные с ним ресурсы. Если соответствующий процесс ещё выполняется, возбуждается [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError). После успешного возврата из `close()` большинство других методов и атрибутов объекта `Process` будут возбуждать `ValueError`.

Добавлено в версии 3.7.

Обратите внимание: методы [`start()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.start), [`join()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.join), [`is_alive()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.is_alive), [`terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.terminate) и [`exitcode`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.exitcode) должны вызываться только тем процессом, который создал объект процесса.

Пример использования некоторых методов `Process`:

```pycon
>>> import multiprocessing, time, signal
>>> mp_context = multiprocessing.get_context('spawn')
>>> p = mp_context.Process(target=time.sleep, args=(1000,))
>>> print(p, p.is_alive())
<...Process ... initial> False
>>> p.start()
>>> print(p, p.is_alive())
<...Process ... started> True
>>> p.terminate()
>>> time.sleep(0.1)
>>> print(p, p.is_alive())
<...Process ... stopped exitcode=-SIGTERM> False
>>> p.exitcode == -signal.SIGTERM
True
```

#### `exception multiprocessing.ProcessError`

Базовый класс всех исключений `multiprocessing`.

#### `exception multiprocessing.BufferTooShort`

Исключение, возбуждаемое `Connection.recv_bytes_into()`, когда предоставленный буфер слишком мал для чтения сообщения.

Если `e` является экземпляром `BufferTooShort`, то `e.args[0]` вернёт сообщение в виде байтовой строки.

#### `exception multiprocessing.AuthenticationError`

Возбуждается при ошибке аутентификации.

#### `exception multiprocessing.TimeoutError`

Возбуждается методами с тайм-аутом по истечении тайм-аута.

### Каналы и очереди

При использовании нескольких процессов обычно применяется передача сообщений для взаимодействия между процессами, что позволяет избежать использования примитивов синхронизации, таких как блокировки.

Для передачи сообщений можно использовать [`Pipe()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe) (для соединения между двумя процессами) или очередь (которая допускает несколько производителей и потребителей).

Типы [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue), [`SimpleQueue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.SimpleQueue) и [`JoinableQueue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.JoinableQueue) – это очереди с несколькими производителями и потребителями, работающие по принципу FIFO и созданные по образцу класса [`queue.Queue`](https://python-all.ru/3.14/library/queue.html#queue.Queue) из стандартной библиотеки. Они отличаются тем, что в `Queue` отсутствуют методы [`task_done()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.task_done) и [`join()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.join), введённые в класс `queue.Queue` в Python 2.5.

Если используется [`JoinableQueue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.JoinableQueue), то **обязательно** вызывайте [`JoinableQueue.task_done()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.JoinableQueue.task_done) для каждой задачи, извлечённой из очереди; в противном случае семафор, используемый для подсчёта незавершённых задач, может переполниться, что приведёт к возбуждению исключения.

Одно из отличий от других реализаций очередей в Python заключается в том, что очереди `multiprocessing` сериализуют все помещаемые в них объекты с помощью [`pickle`](https://python-all.ru/3.14/library/pickle.html#module-pickle). Объект, возвращаемый методом get, – это заново созданный объект, не разделяющий память с исходным объектом.

Обратите внимание, что общую очередь также можно создать с помощью объекта-менеджера – см. [Менеджеры](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-managers).

> **Примечание**
>
> `multiprocessing` использует обычные исключения [`queue.Empty`](https://python-all.ru/3.14/library/queue.html#queue.Empty) и [`queue.Full`](https://python-all.ru/3.14/library/queue.html#queue.Full) для сигнализации тайм-аута. Они недоступны в пространстве имён `multiprocessing`, поэтому их необходимо импортировать из [`queue`](https://python-all.ru/3.14/library/queue.html#module-queue).

> **Примечание**
>
> Когда объект помещается в очередь, он сериализуется с помощью модуля pickle, и фоновый поток позднее сбрасывает сериализованные данные в нижележащий канал. Это имеет некоторые неожиданные последствия, но обычно не вызывает практических трудностей – если это действительно беспокоит, можно вместо этого использовать очередь, созданную с помощью [менеджера](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-managers).
>
> 1. После помещения объекта в пустую очередь может пройти бесконечно малая задержка, прежде чем метод [`empty()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.empty) очереди вернёт [`False`](https://python-all.ru/3.14/library/constants.html#False) и [`get_nowait()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.get_nowait) сможет вернуться без возбуждения [`queue.Empty`](https://python-all.ru/3.14/library/queue.html#queue.Empty).
> 2. Если несколько процессов помещают объекты в очередь, возможно получение объектов на другом конце не по порядку. Однако объекты, помещённые в очередь одним и тем же процессом, всегда будут идти друг за другом в ожидаемом порядке.

> **Предупреждение**
>
> Если процесс завершается принудительно с помощью [`Process.terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.terminate) или [`os.kill()`](https://python-all.ru/3.14/library/os.html#os.kill) в то время, как он пытается использовать [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue), данные в очереди могут быть повреждены. Это может привести к тому, что любой другой процесс при попытке использовать очередь получит исключение.

> **Предупреждение**
>
> Как упоминалось выше, если дочерний процесс поместил элементы в очередь (и не использовал [`JoinableQueue.cancel_join_thread`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.cancel_join_thread)), он не завершится, пока все буферизованные элементы не будут сброшены в канал.
>
> Это означает, что при попытке присоединиться к этому процессу может возникнуть взаимоблокировка, если не быть уверенным, что все помещённые в очередь элементы были потреблены. Аналогично, если дочерний процесс не является демоническим, родительский процесс может зависнуть при завершении, когда попытается присоединиться ко всем своим недемоническим потомкам.
>
> Обратите внимание, что очередь, созданная с помощью менеджера, не имеет этой проблемы. См. [Рекомендации по программированию](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-programming).

Пример использования очередей для межпроцессного взаимодействия см. в разделе [Примеры](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-examples).

#### `multiprocessing.Pipe(duplex=True)`

Возвращает пару `(conn1, conn2)` объектов [`Connection`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection), представляющих концы канала.

Если *duplex* равно `True` (по умолчанию), то канал двунаправленный. Если *duplex* равно `False`, то канал однонаправленный: `conn1` можно использовать только для получения сообщений, а `conn2` – только для отправки.

Метод `send()` сериализует объект с помощью [`pickle`](https://python-all.ru/3.14/library/pickle.html#module-pickle), а `recv()` воссоздаёт объект.

#### `class multiprocessing.Queue([maxsize])`

Возвращает общедоступную очередь для процессов, реализованную с помощью канала и нескольких блокировок/семафоров. Когда процесс впервые помещает элемент в очередь, запускается поток-загрузчик, который передаёт объекты из буфера в канал.

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

Обычные исключения [`queue.Empty`](https://python-all.ru/3.14/library/queue.html#queue.Empty) и [`queue.Full`](https://python-all.ru/3.14/library/queue.html#queue.Full) из модуля [`queue`](https://python-all.ru/3.14/library/queue.html#module-queue) стандартной библиотеки возбуждаются для сигнализации тайм-аутов.

`Queue` реализует все методы [`queue.Queue`](https://python-all.ru/3.14/library/queue.html#queue.Queue), за исключением [`task_done()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.task_done), [`join()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.join) и [`shutdown()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.shutdown).

#### `qsize()`

Возвращает приблизительный размер очереди. Из-за семантики многопоточности/многопроцессности это число не является надёжным.

Обратите внимание, что это может возбудить [`NotImplementedError`](https://python-all.ru/3.14/library/exceptions.html#NotImplementedError) на платформах, подобных macOS, где `sem_getvalue()` не реализован.

#### `empty()`

Возвращает `True`, если очередь пуста, иначе `False`. Из-за семантики многопоточности/многопроцессности это ненадёжно.

Может возбудить [`OSError`](https://python-all.ru/3.14/library/exceptions.html#OSError) для закрытых очередей (не гарантируется).

#### `full()`

Возвращает `True`, если очередь заполнена, иначе `False`. Из-за семантики многопоточности/многопроцессности это ненадёжно.

#### `put(obj[, block[, timeout]])`

Помещает obj в очередь. Если необязательный аргумент *block* равен `True` (по умолчанию) и *timeout* равен `None` (по умолчанию), при необходимости блокируется до появления свободного места. Если *timeout* положительное число, блокируется не более чем на *timeout* секунд и возбуждает исключение [`queue.Full`](https://python-all.ru/3.14/library/queue.html#queue.Full), если за это время свободное место не появилось. В противном случае (*block* равен `False`) помещает элемент в очередь, если свободное место доступно немедленно, иначе возбуждает исключение `queue.Full` (*timeout* в этом случае игнорируется).

Изменено в версии 3.8: Если очередь закрыта, возбуждается [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError) вместо [`AssertionError`](https://python-all.ru/3.14/library/exceptions.html#AssertionError).

#### `put_nowait(obj)`

Эквивалентно `put(obj, False)`.

#### `get([block[, timeout]])`

Удаляет и возвращает элемент из очереди. Если необязательный аргумент *block* равен `True` (по умолчанию) и *timeout* равен `None` (по умолчанию), при необходимости блокируется до появления элемента. Если *timeout* положительное число, блокируется не более чем на *timeout* секунд и возбуждает исключение [`queue.Empty`](https://python-all.ru/3.14/library/queue.html#queue.Empty), если за это время элемент не появился. В противном случае (block равен `False`) возвращает элемент, если он доступен немедленно, иначе возбуждает исключение `queue.Empty` (*timeout* в этом случае игнорируется).

Изменено в версии 3.8: Если очередь закрыта, возбуждается [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError) вместо [`OSError`](https://python-all.ru/3.14/library/exceptions.html#OSError).

#### `get_nowait()`

Эквивалентно `get(False)`.

`multiprocessing.Queue` имеет несколько дополнительных методов, отсутствующих в [`queue.Queue`](https://python-all.ru/3.14/library/queue.html#queue.Queue). Обычно эти методы не нужны в большинстве кода:

#### `close()`

Закрыть очередь: освободить внутренние ресурсы.

После закрытия очередь больше нельзя использовать. Например, [`get()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.get), [`put()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.put) и [`empty()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.empty) методы больше не должны вызываться.

Фоновый поток завершится после того, как сбросит все буферизованные данные в канал. Это вызывается автоматически при сборке мусора очереди.

#### `join_thread()`

Присоединяет фоновый поток. Этот метод можно использовать только после вызова [`close()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.close). Он блокируется до завершения фонового потока, гарантируя, что все данные из буфера сброшены в канал.

По умолчанию, если процесс не является создателем очереди, при завершении он попытается присоединить фоновый поток очереди. Процесс может вызвать [`cancel_join_thread()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.cancel_join_thread), чтобы сделать `join_thread()` бездействующим.

#### `cancel_join_thread()`

Предотвращает блокировку [`join_thread()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.join_thread). В частности, это предотвращает автоматическое присоединение фонового потока при завершении процесса – см. `join_thread()`.

Более удачным названием для этого метода могло бы быть `allow_exit_without_flush()`. Он, скорее всего, приведёт к потере поставленных в очередь данных, и вам почти наверняка не понадобится его использовать. Он существует только на случай, если нужно немедленно завершить текущий процесс, не дожидаясь сброса данных из очереди в нижележащий канал, и потеря данных не имеет значения.

> **Примечание**
>
> Функциональность этого класса требует работающей реализации общего семафора в хост-операционной системе. Без неё функциональность класса будет отключена, а попытки создать экземпляр `Queue` приведут к [`ImportError`](https://python-all.ru/3.14/library/exceptions.html#ImportError). См. [bpo-3770](https://python-all.ru/3.14/library/multiprocessing.html) для дополнительной информации. То же самое относится и ко всем специализированным типам очередей, перечисленным ниже.

#### `class multiprocessing.SimpleQueue`

Это упрощённый тип [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue), очень похожий на [`Pipe`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe) с блокировкой.

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

#### `close()`

Закрыть очередь: освободить внутренние ресурсы.

После закрытия очередь нельзя использовать. Например, методы [`get()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.SimpleQueue.get), [`put()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.SimpleQueue.put) и [`empty()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.SimpleQueue.empty) больше нельзя вызывать.

Добавлено в версии 3.9.

#### `empty()`

Возвращает `True`, если очередь пуста, иначе `False`.

Всегда вызывает [`OSError`](https://python-all.ru/3.14/library/exceptions.html#OSError), если SimpleQueue закрыта.

#### `get()`

Извлекает и возвращает элемент из очереди.

#### `put(item)`

Помещает *item* в очередь.

#### `class multiprocessing.JoinableQueue([maxsize])`

`JoinableQueue`, подкласс [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue), – это очередь, которая дополнительно имеет методы [`task_done()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.JoinableQueue.task_done) и [`join()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.JoinableQueue.join).

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

#### `task_done()`

Указывает, что ранее поставленная в очередь задача завершена. Используется потребителями очереди. Для каждого [`get()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.get), используемого для получения задачи, последующий вызов `task_done()` сообщает очереди, что обработка задачи завершена.

Если [`join()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.join) в данный момент заблокирован, он возобновится, когда все элементы будут обработаны (то есть для каждого элемента, который был [`put()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.put) в очередь, был получен вызов `task_done()`).

Вызывает [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError), если вызывается больше раз, чем было помещено элементов в очередь.

#### `join()`

Блокируется до тех пор, пока все элементы в очереди не будут извлечены и обработаны.

Счётчик незавершённых задач увеличивается каждый раз, когда элемент добавляется в очередь. Счётчик уменьшается, когда потребитель вызывает [`task_done()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.JoinableQueue.task_done), чтобы указать, что элемент извлечён и вся работа над ним завершена. Когда счётчик незавершённых задач падает до нуля, [`join()`](https://python-all.ru/3.14/library/queue.html#queue.Queue.join) разблокируется.

### Разное

#### `multiprocessing.active_children()`

Возвращает список всех активных дочерних процессов текущего процесса.

Вызов этой функции имеет побочный эффект – «присоединение» всех уже завершённых процессов.

#### `multiprocessing.cpu_count()`

Возвращает количество процессоров в системе.

Это число не эквивалентно количеству процессоров, которые может использовать текущий процесс. Количество доступных процессоров можно получить с помощью [`os.process_cpu_count()`](https://python-all.ru/3.14/library/os.html#os.process_cpu_count) (или `len(os.sched_getaffinity(0))`).

Если количество процессоров не удаётся определить, вызывается [`NotImplementedError`](https://python-all.ru/3.14/library/exceptions.html#NotImplementedError).

> **См. также**
>
> [`os.cpu_count()`](https://python-all.ru/3.14/library/os.html#os.cpu_count) [`os.process_cpu_count()`](https://python-all.ru/3.14/library/os.html#os.process_cpu_count)

Changed in version 3.13: The return value can also be overridden using the [`-X cpu_count`](https://python-all.ru/3.14/using/cmdline.html#cmdoption-X) flag or [`PYTHON_CPU_COUNT`](https://python-all.ru/3.14/using/cmdline.html#envvar-PYTHON_CPU_COUNT) as this is merely a wrapper around the [`os`](https://python-all.ru/3.14/library/os.html#module-os) cpu count APIs.

#### `multiprocessing.current_process()`

Возвращает объект [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process), соответствующий текущему процессу.

Аналог [`threading.current_thread()`](https://python-all.ru/3.14/library/threading.html#threading.current_thread).

#### `multiprocessing.parent_process()`

Возвращает объект [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process), соответствующий родительскому процессу [`current_process()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.current_process). Для главного процесса `parent_process` будет `None`.

Добавлено в версии 3.8.

#### `multiprocessing.freeze_support()`

Добавляет поддержку для случая, когда программа, использующая `multiprocessing`, была заморожена для создания исполняемого файла. (Протестировано с **py2exe**, **PyInstaller** и **cx\_Freeze**.)

Эту функцию необходимо вызвать сразу после строки `if __name__ == '__main__'` в главном модуле. Например:

```python
from multiprocessing import Process, freeze_support

def f():
    print('hello world!')

if __name__ == '__main__':
    freeze_support()
    Process(target=f).start()
```

Если строка `freeze_support()` опущена, то попытка запустить замороженный исполняемый файл вызовет [`RuntimeError`](https://python-all.ru/3.14/library/exceptions.html#RuntimeError).

Вызов `freeze_support()` не имеет эффекта, если метод запуска не является *spawn*. Кроме того, если модуль выполняется обычным образом интерпретатором Python (программа не была заморожена), то `freeze_support()` не имеет эффекта.

#### `multiprocessing.get_all_start_methods()`

Возвращает список поддерживаемых методов запуска, первый из которых является методом по умолчанию. Возможные методы запуска: `'fork'`, `'spawn'` и `'forkserver'`. Не все платформы поддерживают все методы. См. [Контексты и методы запуска](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-start-methods).

Добавлено в версии 3.4.

#### `multiprocessing.get_context(method=None)`

Возвращает объект контекста, который имеет те же атрибуты, что и модуль `multiprocessing`.

Если *method* равно `None`, то возвращается контекст по умолчанию. Обратите внимание, что если глобальный метод запуска не был установлен, то он будет установлен в системный по умолчанию. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для подробностей. В противном случае *method* должно быть `'fork'`, `'spawn'`, `'forkserver'`. [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError) возникает, если указанный метод запуска недоступен. См. [Контексты и методы запуска](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-start-methods).

Добавлено в версии 3.4.

#### `multiprocessing.get_start_method(allow_none=False)`

Возвращает имя метода запуска, используемого для запуска процессов.

Если глобальный метод запуска не установлен и *allow\_none* равно `False`, то глобальный метод запуска устанавливается в значение по умолчанию, и возвращается его имя. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для подробностей.

Возвращаемое значение может быть `'fork'`, `'spawn'`, `'forkserver'` или `None`. См. [Контексты и методы запуска](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-start-methods).

Добавлено в версии 3.4.

Изменено в версии 3.8: В macOS метод запуска *spawn* теперь используется по умолчанию. Метод запуска *fork* следует считать небезопасным, так как он может привести к краху подпроцесса. См. [bpo-33725](https://python-all.ru/3.14/library/multiprocessing.html).

#### `multiprocessing.set_executable(executable)`

Устанавливает путь к интерпретатору Python, который будет использоваться при запуске дочернего процесса. (По умолчанию используется [`sys.executable`](https://python-all.ru/3.14/library/sys.html#sys.executable)). Встраивающим Python, вероятно, потребуется сделать что-то вроде

```python
set_executable(os.path.join(sys.exec_prefix, 'pythonw.exe'))
```

прежде чем они смогут создавать дочерние процессы.

Изменено в версии 3.4: Теперь поддерживается в POSIX, когда используется метод запуска `'spawn'`.

Изменено в версии 3.11: Принимает [path-like object](https://python-all.ru/3.14/glossary.html#term-path-like-object).

#### `multiprocessing.set_forkserver_preload(module_names)`

Устанавливает список имен модулей для главного процесса forkserver, чтобы он попытался импортировать их, чтобы их уже импортированное состояние было унаследовано форкнутыми процессами. Любые [`ImportError`](https://python-all.ru/3.14/library/exceptions.html#ImportError) при этом игнорируются молча. Это можно использовать для повышения производительности, чтобы избежать повторной работы в каждом процессе.

Чтобы это работало, он должен быть вызван до запуска процесса forkserver (до создания `Pool` или запуска [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process)).

Имеет смысл только при использовании метода запуска `'forkserver'`. См. [Контексты и методы запуска](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-start-methods).

Добавлено в версии 3.4.

#### `multiprocessing.set_start_method(method, force=False)`

Устанавливает метод, который должен использоваться для запуска дочерних процессов. Аргумент *method* может быть `'fork'`, `'spawn'` или `'forkserver'`. Вызывает [`RuntimeError`](https://python-all.ru/3.14/library/exceptions.html#RuntimeError), если метод запуска уже был установлен и *force* не равно `True`. Если *method* равно `None` и *force* равно `True`, то метод запуска устанавливается в `None`. Если *method* равно `None` и *force* равно `False`, то контекст устанавливается в контекст по умолчанию.

Обратите внимание, что эта функция должна вызываться не более одного раза, и она должна быть защищена внутри блока `if __name__ == '__main__'` главного модуля.

См. [Контексты и методы запуска](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-start-methods).

Добавлено в версии 3.4.

> **Примечание**
>
> `multiprocessing` не содержит аналогов [`threading.active_count()`](https://python-all.ru/3.14/library/threading.html#threading.active_count), [`threading.enumerate()`](https://python-all.ru/3.14/library/threading.html#threading.enumerate), [`threading.settrace()`](https://python-all.ru/3.14/library/threading.html#threading.settrace), [`threading.setprofile()`](https://python-all.ru/3.14/library/threading.html#threading.setprofile), [`threading.Timer`](https://python-all.ru/3.14/library/threading.html#threading.Timer) или [`threading.local`](https://python-all.ru/3.14/library/threading.html#threading.local).

### Объекты подключения

Объекты подключения позволяют отправлять и получать сериализуемые (picklable) объекты или строки. Их можно рассматривать как ориентированные на сообщения соединённые сокеты.

Объекты подключения обычно создаются с помощью [`Pipe`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe) – см. также [Слушатели и клиенты](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-listeners-clients).

#### `class multiprocessing.connection.Connection`

#### `send(obj)`

Отправляет объект на другой конец подключения; его следует читать с помощью [`recv()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.recv).

Объект должен быть сериализуемым. Очень большие сериализованные объекты (примерно от 32 МиБ, хотя зависит от ОС) могут вызвать исключение [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError).

#### `recv()`

Возвращает объект, отправленный с другого конца подключения с помощью [`send()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.send). Блокируется, пока не появятся данные для получения. Вызывает [`EOFError`](https://python-all.ru/3.14/library/exceptions.html#EOFError), если больше нечего получать и другой конец был закрыт.

#### `fileno()`

Возвращает файловый дескриптор или дескриптор (handle), используемый подключением.

#### `close()`

Закрывает подключение.

Вызывается автоматически при сборке мусора для подключения.

#### `poll([timeout])`

Возвращает, есть ли данные для чтения.

Если *timeout* не указан, то метод возвращается немедленно. Если *timeout* – число, то оно задаёт максимальное время блокировки в секундах. Если *timeout* равно `None`, то используется бесконечное ожидание.

Обратите внимание: с помощью [`multiprocessing.connection.wait()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.wait) можно одновременно опрашивать несколько объектов подключения.

#### `send_bytes(buf[, offset[, size]])`

Отправляет байтовые данные из [байтоподобного объекта](https://python-all.ru/3.14/glossary.html#term-bytes-like-object) как полное сообщение.

Если указан *offset*, данные читаются с этой позиции в *buf*. Если указан *size*, то из *buf* будет прочитано указанное количество байт. Очень большие буферы (примерно от 32 МиБ, хотя зависит от ОС) могут вызвать исключение [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError)

#### `recv_bytes([maxlength])`

Возвращает полное сообщение из байтовых данных, отправленное с другого конца подключения, в виде строки. Блокируется, пока не появятся данные для получения. Вызывает [`EOFError`](https://python-all.ru/3.14/library/exceptions.html#EOFError), если больше нечего получать и другой конец закрыт.

Если указан *maxlength* и сообщение длиннее *maxlength*, то вызывается [`OSError`](https://python-all.ru/3.14/library/exceptions.html#OSError), и подключение больше не будет доступно для чтения.

Изменено в версии 3.3: Ранее эта функция вызывала [`IOError`](https://python-all.ru/3.14/library/exceptions.html#IOError), которая теперь является псевдонимом [`OSError`](https://python-all.ru/3.14/library/exceptions.html#OSError).

#### `recv_bytes_into(buf[, offset])`

Читает в *buf* полное сообщение из байтовых данных, отправленное с другого конца подключения, и возвращает количество байт в сообщении. Блокируется, пока не появятся данные для получения. Вызывает [`EOFError`](https://python-all.ru/3.14/library/exceptions.html#EOFError), если больше нечего получать и другой конец был закрыт.

*buf* должен быть доступным для записи [байтоподобным объектом](https://python-all.ru/3.14/glossary.html#term-bytes-like-object). Если указан *offset*, сообщение будет записано в буфер, начиная с этой позиции. Смещение должно быть неотрицательным целым числом, меньшим длины *buf* (в байтах).

Если буфер слишком мал, то вызывается исключение `BufferTooShort` и полное сообщение доступно как `e.args[0]`, где `e` экземпляр исключения.

Изменено в версии 3.3: Теперь объекты подключения могут передаваться между процессами с помощью [`Connection.send()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.send) и [`Connection.recv()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.recv).

Объекты подключения также теперь поддерживают протокол менеджера контекста – см. [Типы менеджеров контекста](https://python-all.ru/3.14/library/stdtypes.html#typecontextmanager). [`__enter__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__enter__) возвращает объект подключения, а [`__exit__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__exit__) вызывает [`close()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.close).

Например:

```pycon
>>> from multiprocessing import Pipe
>>> a, b = Pipe()
>>> a.send([1, 'hello', None])
>>> b.recv()
[1, 'hello', None]
>>> b.send_bytes(b'thank you')
>>> a.recv_bytes()
b'thank you'
>>> import array
>>> arr1 = array.array('i', range(5))
>>> arr2 = array.array('i', [0] * 10)
>>> a.send_bytes(arr1)
>>> count = b.recv_bytes_into(arr2)
>>> assert count == len(arr1) * arr1.itemsize
>>> arr2
array('i', [0, 1, 2, 3, 4, 0, 0, 0, 0, 0])
```

> **Предупреждение**
>
> Метод [`Connection.recv()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.recv) автоматически десериализует полученные данные, что может быть угрозой безопасности, если нельзя доверять процессу, отправившему сообщение.
>
> Поэтому, если объект подключения не был создан с помощью `Pipe()` следует использовать методы [`recv()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.recv) и [`send()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.send) только после выполнения некоторой аутентификации. См. [Ключи аутентификации](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-auth-keys).

> **Предупреждение**
>
> Если процесс завершается принудительно во время чтения или записи в канал, данные в канале, скорее всего, повредятся, так как может стать невозможно определить границы сообщений.

### Примитивы синхронизации

В целом, в многопроцессных программах примитивы синхронизации требуются не так часто, как в многопоточных. См. документацию модуля [`threading`](https://python-all.ru/3.14/library/threading.html#module-threading).

Обратите внимание, что примитивы синхронизации можно также создавать с помощью объекта менеджера – см. [Менеджеры](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-managers).

#### `class multiprocessing.Barrier(parties[, action[, timeout]])`

Объект барьера: клон [`threading.Barrier`](https://python-all.ru/3.14/library/threading.html#threading.Barrier).

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

Добавлено в версии 3.3.

#### `class multiprocessing.BoundedSemaphore([value])`

Объект ограниченного семафора: близкий аналог [`threading.BoundedSemaphore`](https://python-all.ru/3.14/library/threading.html#threading.BoundedSemaphore).

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

Имеется единственное отличие от его близкого аналога: первый аргумент метода `acquire` называется *block*, что согласуется с [`Lock.acquire()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock.acquire).

#### `locked()`

Возвращает булево значение, указывающее, заблокирован ли данный объект в данный момент.

Добавлено в версии 3.14.

> **Примечание**
>
> На macOS это неотличимо от [`Semaphore`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Semaphore), так как `sem_getvalue()` не реализован на этой платформе.

#### `class multiprocessing.Condition([lock])`

Условная переменная: псевдоним для [`threading.Condition`](https://python-all.ru/3.14/library/threading.html#threading.Condition).

Если указана *блокировка*, то она должна быть объектом [`Lock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock) или [`RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock) из `multiprocessing`.

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

Изменено в версии 3.3: Был добавлен метод [`wait_for()`](https://python-all.ru/3.14/library/threading.html#threading.Condition.wait_for).

#### `class multiprocessing.Event`

Клон [`threading.Event`](https://python-all.ru/3.14/library/threading.html#threading.Event).

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

#### `class multiprocessing.Lock`

Нерекурсивный объект блокировки: близкий аналог [`threading.Lock`](https://python-all.ru/3.14/library/threading.html#threading.Lock). Когда процесс или поток захватывает блокировку, последующие попытки захватить её из любого процесса или потока будут блокироваться до её освобождения; любой процесс или поток может её освободить. Концепции и поведение `threading.Lock` применительно к потокам воспроизводятся здесь в `multiprocessing.Lock` применительно к процессам или потокам, за исключением отмеченных случаев.

Обратите внимание, что `Lock` на самом деле является фабричной функцией, которая возвращает экземпляр `multiprocessing.synchronize.Lock`, инициализированный контекстом по умолчанию.

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

`Lock` поддерживает протокол [менеджера контекста](https://python-all.ru/3.14/glossary.html#term-context-manager) и поэтому может использоваться в операторах [`with`](https://python-all.ru/3.14/reference/compound_stmts.html#with).

#### `acquire(block=True, timeout=None)`

Захватывает блокировку, блокирующую или неблокирующую.

Если аргумент *block* установлен в `True` (по умолчанию), вызов метода будет блокироваться, пока блокировка не окажется в разблокированном состоянии, затем установит её в заблокированное состояние и вернёт `True`. Обратите внимание, что имя этого первого аргумента отличается от имени в [`threading.Lock.acquire()`](https://python-all.ru/3.14/library/threading.html#threading.Lock.acquire).

Если аргумент *block* установлен в `False`, вызов метода не блокируется. Если блокировка в данный момент находится в заблокированном состоянии, возвращается `False`; в противном случае блокировка устанавливается в заблокированное состояние и возвращается `True`.

При вызове с положительным значением с плавающей точкой для *timeout* блокировка выполняется не дольше числа секунд, указанного в *timeout*, пока блокировку не удастся захватить. Вызовы с отрицательным значением *timeout* эквивалентны *timeout*, равному нулю. Вызовы со значением *timeout* равным `None` (по умолчанию) устанавливают бесконечный период ожидания. Обратите внимание, что обработка отрицательных или `None` значений для *timeout* отличается от реализованного поведения в [`threading.Lock.acquire()`](https://python-all.ru/3.14/library/threading.html#threading.Lock.acquire). Аргумент *timeout* не имеет практического значения, если аргумент *block* установлен в `False`, и поэтому игнорируется. Возвращает `True`, если блокировка была захвачена, или `False`, если период ожидания истёк.

#### `release()`

Освобождает блокировку. Может вызываться из любого процесса или потока, а не только из того, который изначально захватил блокировку.

Поведение аналогично [`threading.Lock.release()`](https://python-all.ru/3.14/library/threading.html#threading.Lock.release) за исключением того, что при вызове на незаблокированной блокировке возбуждается [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError).

#### `locked()`

Возвращает булево значение, указывающее, заблокирован ли данный объект в данный момент.

Добавлено в версии 3.14.

#### `class multiprocessing.RLock`

Объект рекурсивной блокировки: близкий аналог [`threading.RLock`](https://python-all.ru/3.14/library/threading.html#threading.RLock). Рекурсивная блокировка должна быть освобождена тем же процессом или потоком, который её захватил. После того как процесс или поток захватил рекурсивную блокировку, тот же процесс или поток может захватить её снова без блокировки; этот процесс или поток должен освободить её по одному разу за каждый захват.

Обратите внимание, что `RLock` на самом деле является фабричной функцией, которая возвращает экземпляр `multiprocessing.synchronize.RLock`, инициализированный контекстом по умолчанию.

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

`RLock` поддерживает протокол [менеджера контекста](https://python-all.ru/3.14/glossary.html#term-context-manager) и поэтому может использоваться в операторах [`with`](https://python-all.ru/3.14/reference/compound_stmts.html#with).

#### `acquire(block=True, timeout=None)`

Захватывает блокировку, блокирующую или неблокирующую.

При вызове с аргументом *block*, установленным в `True`, блокируется до тех пор, пока блокировка не окажется в разблокированном состоянии (не принадлежит ни одному процессу или потоку), если только блокировка уже не принадлежит текущему процессу или потоку. Затем текущий процесс или поток получает владение блокировкой (если ещё не владеет ею), и уровень рекурсии внутри блокировки увеличивается на единицу, возвращая значение `True`. Обратите внимание, что имеется несколько различий в поведении этого первого аргумента по сравнению с реализацией [`threading.RLock.acquire()`](https://python-all.ru/3.14/library/threading.html#threading.RLock.acquire), начиная с названия самого аргумента.

При вызове с аргументом *block*, установленным в `False`, не блокируется. Если блокировка уже была захвачена (и, следовательно, принадлежит) другим процессом или потоком, текущий процесс или поток не получает владение, а уровень рекурсии внутри блокировки не изменяется, возвращая значение `False`. Если блокировка находится в разблокированном состоянии, текущий процесс или поток получает владение, а уровень рекурсии увеличивается, возвращая значение `True`.

Использование и поведение аргумента *timeout* такие же, как в [`Lock.acquire()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock.acquire). Обратите внимание, что некоторые из этих особенностей *timeout* отличаются от реализованного поведения в [`threading.RLock.acquire()`](https://python-all.ru/3.14/library/threading.html#threading.RLock.acquire).

#### `release()`

Освобождает блокировку, уменьшая уровень рекурсии. Если после уменьшения уровень рекурсии становится нулевым, переводит блокировку в разблокированное состояние (не принадлежит ни одному процессу или потоку), и если какие-либо другие процессы или потоки ожидают разблокировки, позволяет ровно одному из них продолжить. Если после уменьшения уровень рекурсии всё ещё ненулевой, блокировка остаётся заблокированной и принадлежащей вызывающему процессу или потоку.

Вызывайте этот метод только когда вызывающий процесс или поток владеет блокировкой. Исключение [`AssertionError`](https://python-all.ru/3.14/library/exceptions.html#AssertionError) возбуждается, если этот метод вызывается процессом или потоком, не являющимся владельцем, или если блокировка находится в разблокированном (непринадлежащем) состоянии. Обратите внимание, что тип возбуждаемого исключения в этой ситуации отличается от реализованного поведения в [`threading.RLock.release()`](https://python-all.ru/3.14/library/threading.html#threading.RLock.release).

#### `locked()`

Возвращает булево значение, указывающее, заблокирован ли данный объект в данный момент.

Добавлено в версии 3.14.

#### `class multiprocessing.Semaphore([value])`

Объект семафора: близкий аналог [`threading.Semaphore`](https://python-all.ru/3.14/library/threading.html#threading.Semaphore).

Создание экземпляра этого класса может установить глобальный метод запуска. См. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method) для получения дополнительных сведений.

Имеется единственное отличие от его близкого аналога: первый аргумент метода `acquire` называется *block*, что согласуется с [`Lock.acquire()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock.acquire).

#### `get_value()`

Возвращает текущее значение семафора.

Обратите внимание, что это может возбудить [`NotImplementedError`](https://python-all.ru/3.14/library/exceptions.html#NotImplementedError) на платформах, подобных macOS, где `sem_getvalue()` не реализован.

#### `locked()`

Возвращает булево значение, указывающее, заблокирован ли данный объект в данный момент.

Добавлено в версии 3.14.

> **Примечание**
>
> На macOS `sem_timedwait` не поддерживается, поэтому вызов `acquire()` с тайм-аутом будет эмулировать поведение этой функции с помощью цикла ожидания.

> **Примечание**
>
> Некоторые функции этого пакета требуют работающей реализации общего семафора в операционной системе. При её отсутствии модуль `multiprocessing.synchronize` будет отключён, а попытки импортировать его приведут к [`ImportError`](https://python-all.ru/3.14/library/exceptions.html#ImportError). См. [bpo-3770](https://python-all.ru/3.14/library/multiprocessing.html) для получения дополнительной информации.

### Общие [`ctypes`](https://python-all.ru/3.14/library/ctypes.html#module-ctypes) объекты

Можно создавать общие объекты с помощью разделяемой памяти, которые могут наследоваться дочерними процессами.

#### `multiprocessing.Value(typecode_or_type, *args, lock=True)`

Возвращает объект [`ctypes`](https://python-all.ru/3.14/library/ctypes.html#module-ctypes), выделенный из разделяемой памяти. По умолчанию возвращаемое значение на самом деле является синхронизированной обёрткой для объекта. Сам объект можно получить через атрибут *value* объекта [`Value`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Value).

*typecode\_or\_type* определяет тип возвращаемого объекта: это либо тип ctypes, либо однобуквенный код типа, используемый модулем [`array`](https://python-all.ru/3.14/library/array.html#module-array). *\*args* передаётся конструктору типа.

Если *блокировка* равна `True` (по умолчанию), то создаётся новый рекурсивный объект блокировки для синхронизации доступа к значению. Если *блокировка* является объектом [`Lock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock) или [`RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock), то она будет использоваться для синхронизации доступа к значению. Если *блокировка* равна `False`, то доступ к возвращаемому объекту не будет автоматически защищён блокировкой, поэтому он не обязательно будет "процессобезопасным".

Операции, подобные `+=`, которые включают чтение и запись, не являются атомарными. Поэтому, если, например, требуется атомарно увеличить разделяемое значение, недостаточно просто сделать

```python
counter.value += 1
```

При условии, что связанная блокировка рекурсивна (по умолчанию она такой и является), можно вместо этого сделать

```python
with counter.get_lock():
    counter.value += 1
```

Обратите внимание, что *блокировка* – это аргумент, передаваемый только по ключевому слову.

#### `multiprocessing.Array(typecode_or_type, size_or_initializer, *, lock=True)`

Возвращает массив ctypes, выделенный из разделяемой памяти. По умолчанию возвращаемое значение на самом деле является синхронизированной обёрткой для массива.

*typecode\_or\_type* определяет тип элементов возвращаемого массива: это либо [тип ctypes](https://python-all.ru/3.14/library/ctypes.html#ctypes-fundamental-data-types), либо однобуквенный код типа, используемый модулем [`array`](https://python-all.ru/3.14/library/array.html#module-array), за исключением `'w'`, который не поддерживается. Кроме того, код типа `'c'` является псевдонимом [`ctypes.c_char`](https://python-all.ru/3.14/library/ctypes.html#ctypes.c_char). Если *size\_or\_initializer* – целое число, то оно определяет длину массива, и массив будет изначально заполнен нулями. В противном случае *size\_or\_initializer* – это последовательность, которая используется для инициализации массива, и её длина определяет длину массива.

Если *блокировка* равен `True` (по умолчанию), создаётся новый объект блокировки для синхронизации доступа к значению. Если *блокировка* – объект [`Lock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock) или [`RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock), то он будет использоваться для синхронизации доступа к значению. Если *блокировка* равен `False`, доступ к возвращаемому объекту не будет автоматически защищён блокировкой, поэтому он не обязательно будет «процесс-безопасным».

Обратите внимание, что *блокировка* – это аргумент, передаваемый только по ключевому слову.

Обратите внимание, что массив [`ctypes.c_char`](https://python-all.ru/3.14/library/ctypes.html#ctypes.c_char) имеет атрибуты *value* и *raw*, которые можно использовать для сохранения и извлечения байтовых строк. В то время как *raw* позволяет взаимодействовать с объектом [`bytes`](https://python-all.ru/3.14/library/stdtypes.html#bytes) на полный размер массива, чтение *value* завершится после нулевого байта, как это делается со строками в большинстве языков программирования.

#### Модуль `multiprocessing.sharedctypes`

Модуль `multiprocessing.sharedctypes` предоставляет функции для выделения объектов [`ctypes`](https://python-all.ru/3.14/library/ctypes.html#module-ctypes) из разделяемой памяти, которые могут быть унаследованы дочерними процессами.

> **Примечание**
>
> Хотя можно сохранить указатель в разделяемой памяти, следует помнить, что он будет ссылаться на местоположение в адресном пространстве конкретного процесса. Однако указатель, скорее всего, будет недействительным в контексте второго процесса, и попытка разыменования указателя из второго процесса может привести к аварийному завершению.

#### `multiprocessing.sharedctypes.RawArray(typecode_or_type, size_or_initializer)`

Возвращает массив ctypes, выделенный из разделяемой памяти.

*typecode\_or\_type* определяет тип элементов возвращаемого массива: это либо тип ctypes, либо однобуквенный код типа, используемый модулем [`array`](https://python-all.ru/3.14/library/array.html#module-array). Если *size\_or\_initializer* – целое число, то оно определяет длину массива, и массив будет изначально заполнен нулями. В противном случае *size\_or\_initializer* – это последовательность, которая используется для инициализации массива, и её длина определяет длину массива.

Обратите внимание, что установка и получение элемента потенциально неатомарны – используйте вместо этого [`Array()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.sharedctypes.Array), чтобы гарантировать автоматическую синхронизацию доступа с помощью блокировки.

#### `multiprocessing.sharedctypes.RawValue(typecode_or_type, *args)`

Возвращает объект ctypes, выделенный из разделяемой памяти.

*typecode\_or\_type* определяет тип возвращаемого объекта: это либо тип ctypes, либо однобуквенный код типа, используемый модулем [`array`](https://python-all.ru/3.14/library/array.html#module-array). *\*args* передаётся конструктору типа.

Обратите внимание, что установка и получение значения потенциально неатомарны – используйте вместо этого [`Value()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.sharedctypes.Value), чтобы гарантировать автоматическую синхронизацию доступа с помощью блокировки.

Обратите внимание, что массив [`ctypes.c_char`](https://python-all.ru/3.14/library/ctypes.html#ctypes.c_char) имеет атрибуты `value` и `raw`, которые позволяют использовать его для сохранения и извлечения строк – см. документацию к [`ctypes`](https://python-all.ru/3.14/library/ctypes.html#module-ctypes).

#### `multiprocessing.sharedctypes.Array(typecode_or_type, size_or_initializer, *, lock=True, ctx=None)`

То же, что и [`RawArray()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.sharedctypes.RawArray), за исключением того, что в зависимости от значения *блокировка* может возвращаться процессобезопасная синхронизирующая обёртка вместо необработанного массива ctypes.

Если *блокировка* равна `True` (по умолчанию), то создаётся новый объект блокировки для синхронизации доступа к значению. Если *блокировка* является объектом [`Lock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock) или [`RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock), то она будет использоваться для синхронизации доступа к значению. Если *блокировка* равна `False`, то доступ к возвращаемому объекту не будет автоматически защищён блокировкой, поэтому он не обязательно будет "процессобезопасным".

*ctx* – это объект контекста или `None` (использовать текущий контекст). Если `None`, вызов этого может установить глобальный метод запуска. Подробнее см. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method).

Обратите внимание, что *блокировка* и *ctx* – это только именованные параметры.

#### `multiprocessing.sharedctypes.Value(typecode_or_type, *args, lock=True, ctx=None)`

То же, что и [`RawValue()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.sharedctypes.RawValue), за исключением того, что в зависимости от значения *блокировка* может возвращаться процессобезопасная синхронизирующая обёртка вместо необработанного объекта ctypes.

Если *блокировка* равен `True` (по умолчанию), создаётся новый объект блокировки для синхронизации доступа к значению. Если *блокировка* – объект [`Lock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Lock) или [`RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock), то он будет использоваться для синхронизации доступа к значению. Если *блокировка* равен `False`, доступ к возвращаемому объекту не будет автоматически защищён блокировкой, поэтому он не обязательно будет «процесс-безопасным».

*ctx* – это объект контекста или `None` (использовать текущий контекст). Если `None`, вызов этого может установить глобальный метод запуска. Подробнее см. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method).

Обратите внимание, что *блокировка* и *ctx* – это только именованные параметры.

#### `multiprocessing.sharedctypes.copy(obj)`

Возвращает объект ctypes, выделенный в общей памяти и являющийся копией объекта ctypes *obj*.

#### `multiprocessing.sharedctypes.synchronized(obj, lock=None, ctx=None)`

Возвращает процесс-безопасную обёртку для объекта ctypes, которая использует *блокировка* для синхронизации доступа. Если *блокировка* равен `None` (по умолчанию), объект [`multiprocessing.RLock`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.RLock) создаётся автоматически.

*ctx* – это объект контекста или `None` (использовать текущий контекст). Если `None`, вызов этого может установить глобальный метод запуска. Подробнее см. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method).

Синхронизированная обёртка будет иметь два дополнительных метода (помимо методов обёрнутого объекта): `get_obj()` возвращает обёрнутый объект, а `get_lock()` – объект блокировки, используемый для синхронизации.

Обратите внимание, что доступ к объекту ctypes через обёртку может быть значительно медленнее, чем доступ к исходному объекту ctypes.

Изменено в версии 3.5: Синхронизированные объекты поддерживают протокол [контекстного менеджера](https://python-all.ru/3.14/glossary.html#term-context-manager).

В таблице ниже сравнивается синтаксис создания разделяемых объектов ctypes из общей памяти с обычным синтаксисом ctypes. (В таблице `MyStruct` – это некоторый подкласс [`ctypes.Structure`](https://python-all.ru/3.14/library/ctypes.html#ctypes.Structure).)

| ctypes | sharedctypes с типом | sharedctypes с typecode |
| --- | --- | --- |
| c\_double(2.4) | RawValue(c\_double, 2.4) | RawValue(‘d’, 2.4) |
| MyStruct(4, 6) | RawValue(MyStruct, 4, 6) |  |
| (c\_short \* 7)() | RawArray(c\_short, 7) | RawArray(‘h’, 7) |
| (c\_int \* 3)(9, 2, 8) | RawArray(c\_int, (9, 2, 8)) | RawArray(‘i’, (9, 2, 8)) |

Ниже приведён пример, в котором дочерний процесс изменяет несколько объектов ctypes:

```python
from multiprocessing import Process, Lock
from multiprocessing.sharedctypes import Value, Array
from ctypes import Structure, c_double

class Point(Structure):
    _fields_ = [('x', c_double), ('y', c_double)]

def modify(n, x, s, A):
    n.value **= 2
    x.value **= 2
    s.value = s.value.upper()
    for a in A:
        a.x **= 2
        a.y **= 2

if __name__ == '__main__':
    lock = Lock()

    n = Value('i', 7)
    x = Value(c_double, 1.0/3.0, lock=False)
    s = Array('c', b'hello world', lock=lock)
    A = Array(Point, [(1.875,-6.25), (-5.75,2.0), (2.375,9.5)], lock=lock)

    p = Process(target=modify, args=(n, x, s, A))
    p.start()
    p.join()

    print(n.value)
    print(x.value)
    print(s.value)
    print([(a.x, a.y) for a in A])
```

Выводятся следующие результаты:

```text
49
0.1111111111111111
HELLO WORLD
[(3.515625, 39.0625), (33.0625, 4.0), (5.640625, 90.25)]
```

### Менеджеры

Менеджеры предоставляют способ создания данных, которыми можно обмениваться между разными процессами, в том числе по сети между процессами, выполняющимися на разных машинах. Объект менеджера управляет серверным процессом, который управляет *разделяемыми объектами*. Другие процессы могут получать доступ к разделяемым объектам через прокси.

#### `multiprocessing.Manager()`

Возвращает запущенный объект [`SyncManager`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.SyncManager), который можно использовать для совместного использования объектов между процессами. Возвращаемый объект менеджера соответствует порождённому дочернему процессу и имеет методы, которые создают разделяемые объекты и возвращают соответствующие прокси.

Процессы менеджера завершаются, как только они будут собраны сборщиком мусора или завершится их родительский процесс. Классы менеджера определены в модуле [`multiprocessing.managers`](https://python-all.ru/3.14/library/multiprocessing.html#module-multiprocessing.managers):

#### `class multiprocessing.managers.BaseManager(address=None, authkey=None, serializer='pickle', ctx=None, *, shutdown_timeout=1.0)`

Создает объект BaseManager.

После создания необходимо вызвать [`start()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.start) или `get_server().serve_forever()`, чтобы объект менеджера ссылался на запущенный процесс менеджера.

*address* – адрес, на котором процесс менеджера ожидает новые подключения. Если *address* равно `None`, то выбирается произвольный адрес.

*authkey* – ключ аутентификации, который будет использоваться для проверки подлинности входящих подключений к серверному процессу. Если *authkey* равно `None`, используется `current_process().authkey`. В противном случае используется *authkey*, и он должен быть байтовой строкой.

*serializer* должен быть `'pickle'` (использовать сериализацию [`pickle`](https://python-all.ru/3.14/library/pickle.html#module-pickle)) или `'xmlrpclib'` (использовать сериализацию [`xmlrpc.client`](https://python-all.ru/3.14/library/xmlrpc.client.html#module-xmlrpc.client)).

*ctx* – это объект контекста или `None` (использовать текущий контекст). Если `None`, вызов этого может установить глобальный метод запуска. Подробнее см. [Глобальный метод запуска](https://python-all.ru/3.14/library/multiprocessing.html#global-start-method).

*shutdown\_timeout* – тайм-аут в секундах, который используется для ожидания завершения процесса, используемого менеджером, в методе [`shutdown()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.shutdown). Если тайм-аут истекает, процесс завершается. Если завершение процесса также истекает по тайм-ауту, процесс уничтожается.

Изменено в версии 3.11: Добавлен параметр *shutdown\_timeout*.

#### `start([initializer[, initargs]])`

Запускает подпроцесс для запуска менеджера. Если *initializer* не равно `None`, то подпроцесс вызовет `initializer(*initargs)` при запуске.

#### `get_server()`

Возвращает объект `Server`, представляющий реальный сервер, управляемый менеджером. Объект `Server` поддерживает метод `serve_forever()`:

```python
>>> from multiprocessing.managers import BaseManager
>>> manager = BaseManager(address=('', 50000), authkey=b'abc')
>>> server = manager.get_server()
>>> server.serve_forever()
```

`Server` также имеет атрибут [`address`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.address).

#### `connect()`

Подключает локальный объект менеджера к удаленному процессу менеджера:

```python
>>> from multiprocessing.managers import BaseManager
>>> m = BaseManager(address=('127.0.0.1', 50000), authkey=b'abc')
>>> m.connect()
```

#### `shutdown()`

Останавливает процесс, используемый менеджером. Это доступно только если [`start()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.start) был использован для запуска серверного процесса.

Этот метод можно вызывать несколько раз.

#### `register(typeid[, callable[, proxytype[, exposed[, method_to_typeid[, create_method]]]]])`

Метод класса, который можно использовать для регистрации типа или вызываемого объекта в классе менеджера.

*typeid* – это «идентификатор типа», который используется для идентификации определенного типа разделяемого объекта. Должен быть строкой.

*callable* – это вызываемый объект, используемый для создания объектов для данного идентификатора типа. Если экземпляр менеджера будет подключен к серверу с помощью метода [`connect()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.connect), или если аргумент *create\_method* равен `False`, то этот параметр можно оставить как `None`.

*proxytype* – это подкласс [`BaseProxy`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseProxy), который используется для создания прокси для разделяемых объектов с данным *typeid*. Если `None`, то класс прокси создается автоматически.

*exposed* используется для указания последовательности имен методов, к которым прокси для данного typeid должны иметь доступ через [`BaseProxy._callmethod()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseProxy._callmethod). (Если *exposed* равно `None`, то вместо него используется `proxytype._exposed_`, если он существует.) Если список exposed не указан, то все «публичные методы» разделяемого объекта будут доступны. (Здесь «публичный метод» означает любой атрибут, у которого есть метод [`__call__()`](https://python-all.ru/3.14/reference/datamodel.html#object.__call__) и имя которого не начинается с `'_'`.)

*method\_to\_typeid* – это отображение, используемое для указания возвращаемого типа тех открытых методов, которые должны возвращать прокси. Оно отображает имена методов в строки typeid. (Если *method\_to\_typeid* равно `None`, то вместо него используется `proxytype._method_to_typeid_`, если он существует.) Если имя метода не является ключом этого отображения или отображение равно `None`, то объект, возвращаемый методом, будет скопирован по значению.

*create\_method* определяет, следует ли создать метод с именем *typeid*, который можно использовать, чтобы указать серверному процессу создать новый разделяемый объект и вернуть для него прокси. По умолчанию `True`.

Экземпляры `BaseManager` также имеют одно свойство только для чтения:

#### `address`

Адрес, используемый менеджером.

Изменено в версии 3.3: Объекты Manager поддерживают протокол управления контекстом – см. [Типы менеджеров контекста](https://python-all.ru/3.14/library/stdtypes.html#typecontextmanager). [`__enter__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__enter__) запускает серверный процесс (если он еще не запущен), а затем возвращает объект менеджера. [`__exit__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__exit__) вызывает [`shutdown()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.shutdown).

В предыдущих версиях [`__enter__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__enter__) не запускал серверный процесс менеджера, если он ещё не был запущен.

#### `class multiprocessing.managers.SyncManager`

Подкласс [`BaseManager`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager), который можно использовать для синхронизации процессов. Объекты этого типа возвращаются [`multiprocessing.Manager()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Manager).

Его методы создают и возвращают [объекты-прокси](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-proxy-objects) для ряда часто используемых типов данных, которые нужно синхронизировать между процессами. Сюда в первую очередь входят общие списки и словари.

#### `Barrier(parties[, action[, timeout]])`

Создать общий объект [`threading.Barrier`](https://python-all.ru/3.14/library/threading.html#threading.Barrier) и вернуть для него прокси.

Добавлено в версии 3.3.

#### `BoundedSemaphore([value])`

Создать общий объект [`threading.BoundedSemaphore`](https://python-all.ru/3.14/library/threading.html#threading.BoundedSemaphore) и вернуть для него прокси.

#### `Condition([lock])`

Создать общий объект [`threading.Condition`](https://python-all.ru/3.14/library/threading.html#threading.Condition) и вернуть прокси для него.

Если *блокировка* предоставлена, то она должна быть прокси для объекта [`threading.Lock`](https://python-all.ru/3.14/library/threading.html#threading.Lock) или [`threading.RLock`](https://python-all.ru/3.14/library/threading.html#threading.RLock).

Изменено в версии 3.3: Был добавлен метод [`wait_for()`](https://python-all.ru/3.14/library/threading.html#threading.Condition.wait_for).

#### `Event()`

Создать общий объект [`threading.Event`](https://python-all.ru/3.14/library/threading.html#threading.Event) и вернуть прокси для него.

#### `Lock()`

Создать общий объект [`threading.Lock`](https://python-all.ru/3.14/library/threading.html#threading.Lock) и вернуть прокси для него.

#### `Namespace()`

Создать общий объект [`Namespace`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.Namespace) и вернуть прокси для него.

#### `Queue([maxsize])`

Создать общий объект [`queue.Queue`](https://python-all.ru/3.14/library/queue.html#queue.Queue) и вернуть прокси для него.

#### `RLock()`

Создать общий объект [`threading.RLock`](https://python-all.ru/3.14/library/threading.html#threading.RLock) и вернуть прокси для него.

#### `Semaphore([value])`

Создать общий объект [`threading.Semaphore`](https://python-all.ru/3.14/library/threading.html#threading.Semaphore) и вернуть прокси для него.

#### `Array(typecode, sequence)`

Создать массив и вернуть для него прокси.

#### `Value(typecode, value)`

Создать объект с атрибутом `value`, доступным для записи, и вернуть прокси для него.

#### `dict()`

#### `dict(mapping)`

#### `dict(sequence)`

Создать общий объект [`dict`](https://python-all.ru/3.14/library/stdtypes.html#dict) и вернуть прокси для него.

#### `list()`

#### `list(sequence)`

Создать общий объект [`list`](https://python-all.ru/3.14/library/stdtypes.html#list) и вернуть прокси для него.

#### `set()`

#### `set(sequence)`

#### `set(mapping)`

Создать общий объект [`set`](https://python-all.ru/3.14/library/stdtypes.html#set) и вернуть прокси для него.

Добавлено в версии 3.14: [`set`](https://python-all.ru/3.14/library/stdtypes.html#set) добавлена поддержка.

Изменено в версии 3.6: Общие объекты могут быть вложенными. Например, общий объект-контейнер, такой как общий список, может содержать другие общие объекты, и все они будут управляться и синхронизироваться `SyncManager`.

#### `class multiprocessing.managers.Namespace`

Тип, который можно зарегистрировать с помощью [`SyncManager`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.SyncManager).

Объект пространства имён не имеет открытых методов, но имеет изменяемые атрибуты. Его представление показывает значения его атрибутов.

Однако при использовании прокси для объекта пространства имён атрибут, начинающийся с `'_'`, будет атрибутом прокси, а не атрибутом референта:

```pycon
>>> mp_context = multiprocessing.get_context('spawn')
>>> manager = mp_context.Manager()
>>> Global = manager.Namespace()
>>> Global.x = 10
>>> Global.y = 'hello'
>>> Global._z = 12.3    # это атрибут прокси
>>> print(Global)
Namespace(x=10, y='hello')
```

#### Настраиваемые менеджеры

Чтобы создать собственный менеджер, создаётся подкласс [`BaseManager`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager) и используется метод класса [`register()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.register) для регистрации новых типов или вызываемых объектов в классе менеджера. Например:

```python
from multiprocessing.managers import BaseManager

class MathsClass:
    def add(self, x, y):
        return x + y
    def mul(self, x, y):
        return x * y

class MyManager(BaseManager):
    pass

MyManager.register('Maths', MathsClass)

if __name__ == '__main__':
    with MyManager() as manager:
        maths = manager.Maths()
        print(maths.add(4, 3))         # выводит 7
        print(maths.mul(7, 8))         # выводит 56
```

#### Использование удалённого менеджера

Можно запустить сервер менеджера на одной машине и позволить клиентам использовать его с других машин (при условии, что соответствующие брандмауэры это разрешают).

Выполнение следующих команд создаёт сервер для одной общей очереди, к которой удалённые клиенты могут обращаться:

```python
>>> from multiprocessing.managers import BaseManager
>>> from queue import Queue
>>> queue = Queue()
>>> class QueueManager(BaseManager): pass
>>> QueueManager.register('get_queue', callable=lambda:queue)
>>> m = QueueManager(address=('', 50000), authkey=b'abracadabra')
>>> s = m.get_server()
>>> s.serve_forever()
```

Один клиент может получить доступ к серверу следующим образом:

```python
>>> from multiprocessing.managers import BaseManager
>>> class QueueManager(BaseManager): pass
>>> QueueManager.register('get_queue')
>>> m = QueueManager(address=('foo.bar.org', 50000), authkey=b'abracadabra')
>>> m.connect()
>>> queue = m.get_queue()
>>> queue.put('hello')
```

Другой клиент также может использовать его:

```python
>>> from multiprocessing.managers import BaseManager
>>> class QueueManager(BaseManager): pass
>>> QueueManager.register('get_queue')
>>> m = QueueManager(address=('foo.bar.org', 50000), authkey=b'abracadabra')
>>> m.connect()
>>> queue = m.get_queue()
>>> queue.get()
'hello'
```

Локальные процессы также могут получить доступ к этой очереди, используя приведённый выше код на клиенте для удалённого доступа к ней:

```python
>>> from multiprocessing import Process, Queue
>>> from multiprocessing.managers import BaseManager
>>> class Worker(Process):
...     def __init__(self, q):
...         self.q = q
...         super().__init__()
...     def run(self):
...         self.q.put('local hello')
...
>>> queue = Queue()
>>> w = Worker(queue)
>>> w.start()
>>> class QueueManager(BaseManager): pass
...
>>> QueueManager.register('get_queue', callable=lambda: queue)
>>> m = QueueManager(address=('', 50000), authkey=b'abracadabra')
>>> s = m.get_server()
>>> s.serve_forever()
```

### Объекты-прокси

Прокси – это объект, который *ссылается* на общий объект, находящийся (предположительно) в другом процессе. Общий объект называется *референтом* этого прокси. Несколько объектов-прокси могут иметь один и тот же референт.

Объект-прокси имеет методы, которые вызывают соответствующие методы его референта (хотя не каждый метод референта обязательно будет доступен через прокси). Таким образом, прокси можно использовать так же, как и его референт:

```pycon
>>> mp_context = multiprocessing.get_context('spawn')
>>> manager = mp_context.Manager()
>>> l = manager.list([i*i for i in range(10)])
>>> print(l)
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> print(repr(l))
<ListProxy object, typeid 'list' at 0x...>
>>> l[4]
16
>>> l[2:5]
[4, 9, 16]
```

Обратите внимание, что применение [`str()`](https://python-all.ru/3.14/library/stdtypes.html#str) к прокси вернёт представление референта, тогда как применение [`repr()`](https://python-all.ru/3.14/library/functions.html#repr) вернёт представление прокси.

Важная особенность объектов-прокси – они сериализуемы (picklable), поэтому их можно передавать между процессами. Таким образом, референт может содержать [Объекты-прокси](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-proxy-objects). Это допускает вложение управляемых списков, словарей и других [Объектов-прокси](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-proxy-objects):

```pycon
>>> a = manager.list()
>>> b = manager.list()
>>> a.append(b)         # референт a теперь содержит референт b
>>> print(a, b)
[<ListProxy object, typeid 'list' at ...>] []
>>> b.append('hello')
>>> print(a[0], b)
['hello'] ['hello']
```

Аналогично, прокси словарей и списков могут быть вложены друг в друга:

```python
>>> l_outer = manager.list([ manager.dict() for i in range(2) ])
>>> d_first_inner = l_outer[0]
>>> d_first_inner['a'] = 1
>>> d_first_inner['b'] = 2
>>> l_outer[1]['c'] = 3
>>> l_outer[1]['z'] = 26
>>> print(l_outer[0])
{'a': 1, 'b': 2}
>>> print(l_outer[1])
{'c': 3, 'z': 26}
```

Если в референт входят стандартные (не прокси) объекты [`list`](https://python-all.ru/3.14/library/stdtypes.html#list) или [`dict`](https://python-all.ru/3.14/library/stdtypes.html#dict), изменения этих изменяемых значений не будут распространяться через менеджер, потому что прокси не может узнать, когда значения, содержащиеся внутри, изменяются. Однако сохранение значения в прокси-контейнере (что вызывает `__setitem__` на объекте-прокси) распространяется через менеджер, поэтому для эффективного изменения такого элемента можно присвоить изменённое значение обратно в прокси-контейнер:

```python
# создать прокси для списка и добавить изменяемый объект (словарь)
lproxy = manager.list()
lproxy.append({})
# теперь изменить словарь
d = lproxy[0]
d['a'] = 1
d['b'] = 2
# на данный момент изменения в d еще не синхронизированы, но при
# обновлении словаря прокси уведомляется об изменении
lproxy[0] = d
```

Этот подход, возможно, менее удобен, чем использование вложенных [Объектов-прокси](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-proxy-objects) в большинстве случаев, но также демонстрирует степень контроля над синхронизацией.

> **Примечание**
>
> Типы прокси в `multiprocessing` не поддерживают сравнение по значению. Так, например:
>
> ```pycon
> >>> manager.list([1,2,3]) == [1,2,3]
> False
> ```
>
> При сравнении следует просто использовать копию референта.

#### `class multiprocessing.managers.BaseProxy`

Прокси-объекты являются экземплярами подклассов `BaseProxy`.

#### `_callmethod(methodname[, args[, kwds]])`

Вызывает метод референта прокси и возвращает результат.

Если `proxy` – это прокси, чей референт – `obj`, то выражение

```python
proxy._callmethod(methodname, args, kwds)
```

вычислит выражение

```python
getattr(obj, methodname)(*args, **kwds)
```

в процессе менеджера.

Возвращаемое значение будет копией результата вызова или прокси для нового разделяемого объекта – см. документацию по аргументу *method\_to\_typeid* функции [`BaseManager.register()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.managers.BaseManager.register).

Если при вызове возникло исключение, то оно повторно возбуждается с помощью `_callmethod()`. Если в процессе менеджера возникло другое исключение, то оно преобразуется в исключение `RemoteError` и возбуждается с помощью `_callmethod()`.

Обратите внимание, что исключение будет возбуждаться, если *methodname* не был *экспонирован*.

Пример использования `_callmethod()`:

```pycon
>>> l = manager.list(range(10))
>>> l._callmethod('__len__')
10
>>> l._callmethod('__getitem__', (slice(2, 7),)) # эквивалентно l[2:7]
[2, 3, 4, 5, 6]
>>> l._callmethod('__getitem__', (20,))          # эквивалентно l[20]
Traceback (most recent call last):
...
IndexError: list index out of range
```

#### `_getvalue()`

Возвращает копию референта.

Если референт не может быть сериализован (unpicklable), то это вызовет исключение.

#### `__repr__()`

Возвращает представление прокси-объекта.

#### `__str__()`

Возвращает представление референта.

#### Очистка

Прокси-объект использует колбэк слабой ссылки: когда он собирается сборщиком мусора, он отменяет свою регистрацию у менеджера, которому принадлежит его референт.

Разделяемый объект удаляется из процесса менеджера, когда на него больше не ссылается ни один прокси.

### Пулы процессов

Можно создать пул процессов, который будет выполнять задачи, отправленные ему с помощью класса [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool).

#### `class multiprocessing.pool.Pool([processes[, initializer[, initargs[, maxtasksperchild[, context]]]]])`

Объект пула процессов, который управляет пулом рабочих процессов, которым можно отправлять задачи. Он поддерживает асинхронные результаты с тайм-аутами и колбэками, а также имеет параллельную реализацию map.

*processes* – количество используемых рабочих процессов. Если *processes* равно `None`, то используется число, возвращаемое [`os.process_cpu_count()`](https://python-all.ru/3.14/library/os.html#os.process_cpu_count).

Если *initializer* не равно `None`, то каждый рабочий процесс вызовет `initializer(*initargs)` при запуске.

*maxtasksperchild* – количество задач, которое рабочий процесс может выполнить до завершения и замены новым рабочим процессом, чтобы освободить неиспользуемые ресурсы. Значение по умолчанию *maxtasksperchild* равно `None`, что означает, что рабочие процессы будут жить столько же, сколько и пул.

*context* можно использовать для указания контекста, используемого для запуска рабочих процессов. Обычно пул создаётся с помощью функции `multiprocessing.Pool()` или метода [`Pool()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool) объекта контекста. В обоих случаях *context* устанавливается соответствующим образом. Если `None`, вызов этой функции будет иметь побочный эффект: установит текущий глобальный метод запуска, если он ещё не был установлен. См. функцию `get_context()`.

Обратите внимание, что методы объекта пула должны вызываться только тем процессом, который создал пул.

> **Предупреждение**
>
> Объекты [`multiprocessing.pool`](https://python-all.ru/3.14/library/multiprocessing.html#module-multiprocessing.pool) имеют внутренние ресурсы, которые необходимо должным образом управлять (как и любыми другими ресурсами): используйте пул как контекстный менеджер или вызывайте [`close()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.close) и [`terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.terminate) вручную. Несоблюдение этого может привести к зависанию процесса при завершении.
>
> Обратите внимание, что **неправильно** полагаться на сборщик мусора для уничтожения пула, поскольку CPython не гарантирует вызов финализатора пула (см. [`object.__del__()`](https://python-all.ru/3.14/reference/datamodel.html#object.__del__) для получения дополнительной информации).

Изменено в версии 3.2: Добавлен параметр *maxtasksperchild*.

Изменено в версии 3.4: Добавлен параметр *context*.

Изменено в версии 3.13: *processes* по умолчанию использует [`os.process_cpu_count()`](https://python-all.ru/3.14/library/os.html#os.process_cpu_count) вместо [`os.cpu_count()`](https://python-all.ru/3.14/library/os.html#os.cpu_count).

> **Примечание**
>
> Рабочие процессы внутри `Pool` обычно существуют в течение всего времени работы очереди задач пула. Часто встречающийся в других системах (например, Apache, mod\_wsgi и т.д.) подход для освобождения ресурсов, удерживаемых рабочими процессами, заключается в том, чтобы разрешить рабочему процессу в пуле выполнить только определённое количество работы перед завершением, после чего он очищается и создаётся новый процесс взамен старого. Аргумент *maxtasksperchild* конструктора `Pool` предоставляет эту возможность конечному пользователю.

#### `apply(func[, args[, kwds]])`

Вызывает *func* с аргументами *args* и именованными аргументами *kwds*. Блокируется до получения результата. Поскольку этот метод блокируется, [`apply_async()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.apply_async) лучше подходит для параллельного выполнения работы. Кроме того, *func* выполняется только в одном из рабочих процессов пула.

#### `apply_async(func[, args[, kwds[, callback[, error_callback]]]])`

Вариант метода [`apply()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.apply), который возвращает объект [`AsyncResult`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.AsyncResult).

Если указан *колбэк*, то это должен быть вызываемый объект, принимающий один аргумент. Когда результат готов, к нему применяется *колбэк*, если только вызов не завершился ошибкой – в этом случае вместо него применяется *колбэк ошибки*.

Если указан *error\_callback*, то это должен быть вызываемый объект, принимающий один аргумент. Если целевая функция завершается ошибкой, то *error\_callback* вызывается с экземпляром исключения.

Колбэки должны завершаться немедленно, иначе поток, обрабатывающий результаты, будет заблокирован.

#### `map(func, iterable[, chunksize])`

Параллельный аналог встроенной функции [`map()`](https://python-all.ru/3.14/library/functions.html#map) (однако поддерживает только один аргумент *iterable*, для нескольких итерируемых объектов см. [`starmap()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.starmap)). Блокируется до получения результата.

Этот метод разбивает итерируемый объект на несколько частей (chunks), которые отправляет в пул процессов как отдельные задачи. Приблизительный размер этих частей можно задать, установив *chunksize* в положительное целое число.

Обратите внимание, что для очень длинных итерируемых объектов это может привести к высокому потреблению памяти. Для повышения эффективности рассмотрите возможность использования [`imap()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.imap) или [`imap_unordered()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.imap_unordered) с явным указанием *chunksize*.

#### `map_async(func, iterable[, chunksize[, callback[, error_callback]]])`

Вариант метода [`map()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.map), который возвращает объект [`AsyncResult`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.AsyncResult).

Если указан *колбэк*, то это должен быть вызываемый объект, принимающий один аргумент. Когда результат готов, к нему применяется *колбэк*, если только вызов не завершился ошибкой – в этом случае вместо него применяется *колбэк ошибки*.

Если указан *error\_callback*, то это должен быть вызываемый объект, принимающий один аргумент. Если целевая функция завершается ошибкой, то *error\_callback* вызывается с экземпляром исключения.

Колбэки должны завершаться немедленно, иначе поток, обрабатывающий результаты, будет заблокирован.

#### `imap(func, iterable[, chunksize])`

Более ленивая версия [`map()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.map).

Аргумент *chunksize* совпадает с тем, что используется в методе [`map()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.map). Для очень длинных итерируемых объектов использование большого значения *chunksize* может привести к завершению задачи **значительно** быстрее, чем при использовании значения по умолчанию `1`.

Кроме того, если *chunksize* равно `1`, то метод `next()` итератора, возвращаемого методом `imap()`, имеет необязательный параметр *timeout*: `next(timeout)` возбудит [`multiprocessing.TimeoutError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.TimeoutError), если результат не может быть возвращён в течение *timeout* секунд.

#### `imap_unordered(func, iterable[, chunksize])`

То же, что и [`imap()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.imap), за исключением того, что порядок результатов из возвращаемого итератора считается произвольным. (Только когда есть только один рабочий процесс, порядок гарантированно будет «правильным».)

#### `starmap(func, iterable[, chunksize])`

Как и [`map()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.map), за исключением того, что элементы *iterable* должны быть итерируемыми объектами, которые распаковываются в аргументы.

Таким образом, *iterable* из `[(1,2), (3, 4)]` приводит к `[func(1,2), func(3,4)]`.

Добавлено в версии 3.3.

#### `starmap_async(func, iterable[, chunksize[, callback[, error_callback]]])`

Комбинация [`starmap()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.starmap) и [`map_async()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.map_async), которая перебирает *iterable* из итерируемых объектов и вызывает *func* с распакованными итерируемыми объектами. Возвращает объект результата.

Добавлено в версии 3.3.

#### `close()`

Предотвращает отправку новых задач в пул. После завершения всех задач рабочие процессы завершаются.

#### `terminate()`

Немедленно останавливает рабочие процессы, не дожидаясь завершения незаконченных задач. Когда объект пула будет собран сборщиком мусора, `terminate()` будет вызван немедленно.

#### `join()`

Ожидает завершения рабочих процессов. Перед использованием `join()` необходимо вызвать [`close()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.close) или [`terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.terminate).

Изменено в версии 3.3:Объекты пула теперь поддерживают протокол управления контекстом – см. [Context Manager Types](https://python-all.ru/3.14/library/stdtypes.html#typecontextmanager). [`__enter__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__enter__) возвращает объект пула, а [`__exit__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__exit__) вызывает [`terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.terminate).

#### `class multiprocessing.pool.AsyncResult`

Класс результата, возвращаемого [`Pool.apply_async()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.apply_async) и [`Pool.map_async()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.map_async).

#### `get([timeout])`

Возвращает результат, когда он будет получен. Если *timeout* не равен `None` и результат не поступает в течение *timeout* секунд, то вызывается [`multiprocessing.TimeoutError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.TimeoutError). Если удалённый вызов вызвал исключение, то это исключение будет повторно возбуждено `get()`.

#### `wait([timeout])`

Ожидает, пока результат не станет доступен или пока не пройдёт *timeout* секунд.

#### `ready()`

Возвращает, завершён ли вызов.

#### `successful()`

Возвращает, завершился ли вызов без возникновения исключения. Возбуждает [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError), если результат ещё не готов.

Изменено в версии 3.7:Если результат ещё не готов, [`ValueError`](https://python-all.ru/3.14/library/exceptions.html#ValueError) возбуждается вместо [`AssertionError`](https://python-all.ru/3.14/library/exceptions.html#AssertionError).

Следующий пример демонстрирует использование пула:

```python
from multiprocessing import Pool
import time

def f(x):
    return x*x

if __name__ == '__main__':
    with Pool(processes=4) as pool:         # запустить 4 рабочих процесса
        result = pool.apply_async(f, (10,)) # вычислить "f(10)" асинхронно в одном процессе
        print(result.get(timeout=1))        # выводит "100", если компьютер не *очень* медленный

        print(pool.map(f, range(10)))       # выводит "[0, 1, 4,..., 81]"

        it = pool.imap(f, range(10))
        print(next(it))                     # выводит "0"
        print(next(it))                     # выводит "1"
        print(it.next(timeout=1))           # выводит "4", если компьютер не *очень* медленный

        result = pool.apply_async(time.sleep, (10,))
        print(result.get(timeout=1))        # вызывает multiprocessing.TimeoutError
```

### Слушатели и клиенты

Обычно обмен сообщениями между процессами осуществляется с помощью очередей или объектов [`Connection`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection), возвращаемых [`Pipe()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe).

Однако модуль `multiprocessing.connection` обеспечивает дополнительную гибкость. По сути, он предоставляет высокоуровневый API, ориентированный на сообщения, для работы с сокетами или именованными каналами Windows. Также поддерживается *аутентификация на основе дайджеста* с использованием модуля [`hmac`](https://python-all.ru/3.14/library/hmac.html#module-hmac) и опрос нескольких подключений одновременно.

#### `multiprocessing.connection.deliver_challenge(connection, authkey)`

Отправляет случайно сгенерированное сообщение на другой конец соединения и ожидает ответа.

Если ответ совпадает с дайджестом сообщения, используя *authkey* в качестве ключа, то на другой конец соединения отправляется приветственное сообщение. В противном случае возбуждается [`AuthenticationError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.AuthenticationError).

#### `multiprocessing.connection.answer_challenge(connection, authkey)`

Принимает сообщение, вычисляет дайджест сообщения, используя *authkey* в качестве ключа, а затем отправляет дайджест обратно.

Если приветственное сообщение не получено, то возбуждается [`AuthenticationError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.AuthenticationError).

#### `multiprocessing.connection.Client(address[, family[, authkey]])`

Пытается установить соединение с слушателем, использующим адрес *address*, возвращая [`Connection`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection).

Тип соединения определяется аргументом *family*, но его обычно можно опустить, поскольку он обычно определяется по формату *address*. (См. [Address Formats](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-address-formats))

Если *authkey* задан и не равен `None`, он должен быть байтовой строкой и будет использоваться как секретный ключ для аутентификации на основе HMAC. Если *authkey* равен `None`, аутентификация не выполняется. В случае неудачи аутентификации возбуждается [`AuthenticationError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.AuthenticationError). См. [Ключи аутентификации](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-auth-keys).

#### `class multiprocessing.connection.Listener([address[, family[, backlog[, authkey]]]])`

Обёртка для привязанного сокета или именованного канала Windows, который «прослушивает» подключения.

*address* – это адрес, который будет использоваться привязанным сокетом или именованным каналом объекта слушателя.

> **Примечание**
>
> Если используется адрес ‘0.0.0.0’, он не будет доступной точкой подключения в Windows. Если требуется доступная точка подключения, следует использовать ‘127.0.0.1’.

*family* – тип используемого сокета (или именованного канала). Может быть одной из строк `'AF_INET'` (для TCP-сокета), `'AF_UNIX'` (для сокета домена Unix) или `'AF_PIPE'` (для именованного канала Windows). Из них гарантированно доступна только первая. Если *family* равно `None`, то семейство определяется по формату *address*. Если *address* также равно `None`, выбирается значение по умолчанию. По умолчанию выбирается семейство, которое считается самым быстрым из доступных. См. [Форматы адресов](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-address-formats). Обратите внимание: если *family* равно `'AF_UNIX'`, а address равен `None`, то сокет будет создан в частной временной директории, созданной с помощью [`tempfile.mkstemp()`](https://python-all.ru/3.14/library/tempfile.html#tempfile.mkstemp).

Если объект listener использует сокет, то *backlog* (по умолчанию 1) передаётся методу [`listen()`](https://python-all.ru/3.14/library/socket.html#socket.socket.listen) сокета после его привязки.

Если *authkey* задан и не равен `None`, он должен быть байтовой строкой и будет использоваться как секретный ключ для аутентификации на основе HMAC. Если *authkey* равен `None`, аутентификация не выполняется. В случае неудачи аутентификации возбуждается [`AuthenticationError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.AuthenticationError). См. [Ключи аутентификации](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing-auth-keys).

#### `accept()`

Принимает соединение на привязанном сокете или именованном канале объекта listener и возвращает объект [`Connection`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection). Если предпринята попытка аутентификации и она не удалась, возбуждается [`AuthenticationError`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.AuthenticationError).

#### `close()`

Закрывает привязанный сокет или именованный канал объекта listener. Этот метод вызывается автоматически при сборке мусора listener'а. Однако рекомендуется вызывать его явно.

Объекты Listener имеют следующие свойства только для чтения:

#### `address`

Адрес, используемый объектом Listener.

#### `last_accepted`

Адрес, с которого поступило последнее принятое соединение. Если он недоступен, то равен `None`.

Изменено в версии 3.3: Объекты Listener теперь поддерживают протокол управления контекстом – см. [Типы менеджеров контекста](https://python-all.ru/3.14/library/stdtypes.html#typecontextmanager). [`__enter__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__enter__) возвращает объект listener, а [`__exit__()`](https://python-all.ru/3.14/library/stdtypes.html#contextmanager.__exit__) вызывает [`close()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Listener.close).

#### `multiprocessing.connection.wait(object_list, timeout=None)`

Ожидает, пока объект из *object\_list* не будет готов. Возвращает список тех объектов из *object\_list*, которые готовы. Если *timeout* – число с плавающей точкой, вызов блокируется не более чем на указанное количество секунд. Если *timeout* равен `None`, блокировка будет неограниченной. Отрицательный тайм-аут эквивалентен нулевому.

На обеих платформах, POSIX и Windows, объект может находиться в *object\_list*, если он

- читаемый объект [`Connection`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection);
- подключенный и читаемый объект [`socket.socket`](https://python-all.ru/3.14/library/socket.html#socket.socket); или
- атрибут [`sentinel`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.sentinel) объекта [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process).

Объект соединения или сокета готов, когда из него доступны для чтения данные или другой конец был закрыт.

**POSIX**: `wait(object_list, timeout)` почти эквивалентен `select.select(object_list, [], [], timeout)`. Разница в том, что если [`select.select()`](https://python-all.ru/3.14/library/select.html#select.select) прерывается сигналом, он может возбудить [`OSError`](https://python-all.ru/3.14/library/exceptions.html#OSError) с кодом ошибки `EINTR`, тогда как `wait()` этого не сделает.

**Windows**: Элемент в *object\_list* должен быть либо целочисленным дескриптором, который ожидаем (согласно определению из документации функции Win32 `WaitForMultipleObjects()`), либо объектом с методом [`fileno()`](https://python-all.ru/3.14/library/io.html#io.IOBase.fileno), возвращающим дескриптор сокета или канала. (Обратите внимание: дескрипторы каналов и сокетов **не** являются ожидаемыми дескрипторами.)

Добавлено в версии 3.3.

**Примеры**

Следующий серверный код создаёт listener, который использует `'secret password'` в качестве ключа аутентификации. Затем он ожидает соединения и отправляет некоторые данные клиенту:

```python
from multiprocessing.connection import Listener
from array import array

address = ('localhost', 6000)     # семейство определяется как 'AF_INET'

with Listener(address, authkey=b'secret password') as listener:
    with listener.accept() as conn:
        print('connection accepted from', listener.last_accepted)

        conn.send([2.25, None, 'junk', float])

        conn.send_bytes(b'hello')

        conn.send_bytes(array('i', [42, 1729]))
```

Следующий код подключается к серверу и получает от него некоторые данные:

```python
from multiprocessing.connection import Client
from array import array

address = ('localhost', 6000)

with Client(address, authkey=b'secret password') as conn:
    print(conn.recv())                  # => [2.25, None, 'junk', float]

    print(conn.recv_bytes())            # => 'hello'

    arr = array('i', [0, 0, 0, 0, 0])
    print(conn.recv_bytes_into(arr))    # => 8
    print(arr)                          # => array('i', [42, 1729, 0, 0, 0])
```

Следующий код использует [`wait()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.wait) для ожидания сообщений от нескольких процессов одновременно:

```python
from multiprocessing import Process, Pipe, current_process
from multiprocessing.connection import wait

def foo(w):
    for i in range(10):
        w.send((i, current_process().name))
    w.close()

if __name__ == '__main__':
    readers = []

    for i in range(4):
        r, w = Pipe(duplex=False)
        readers.append(r)
        p = Process(target=foo, args=(w,))
        p.start()
        # Закрываем записывающий конец канала, чтобы убедиться, что
        # p – единственный процесс, владеющий дескриптором канала. Это
        # гарантирует, что когда p закроет свой дескриптор для записывающего конца,
        # wait() немедленно сообщит, что читающий конец готов
        w.close()

    while readers:
        for r in wait(readers):
            try:
                msg = r.recv()
            except EOFError:
                readers.remove(r)
            else:
                print(msg)
```

#### Форматы адресов

- Адрес `'AF_INET'` – это кортеж вида `(hostname, port)`, где *hostname* – строка, а *port* – целое число.
- Адрес `'AF_UNIX'` – это строка, представляющая имя файла в файловой системе.
- Адрес `'AF_PIPE'` – это строка вида `r'\\.\pipe\PipeName'`. Чтобы использовать [`Client()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Client) для подключения к именованному каналу на удалённом компьютере с именем *ServerName*, следует использовать адрес вида `r'\\ServerName\pipe\PipeName'`.

Обратите внимание: любая строка, начинающаяся с двух обратных слешей, по умолчанию считается адресом `'AF_PIPE'`, а не `'AF_UNIX'`.

### Ключи аутентификации

При использовании [`Connection.recv`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Connection.recv) полученные данные автоматически распиковываются. К сожалению, распиковка данных из ненадёжного источника представляет угрозу безопасности. Поэтому [`Listener`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Listener) и [`Client()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Client) используют модуль [`hmac`](https://python-all.ru/3.14/library/hmac.html#module-hmac) для обеспечения дайджест-аутентификации.

Ключ аутентификации – это байтовая строка, которую можно рассматривать как пароль: после установления соединения обе стороны требуют доказательства, что другая сторона знает ключ аутентификации. (Демонстрация того, что обе стороны используют один и тот же ключ, **не** предполагает отправку ключа по соединению.)

Если запрошена аутентификация, но ключ аутентификации не указан, то используется возвращаемое значение `current_process().authkey` (см. [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process)). Это значение автоматически наследуется любым объектом `Process`, который создаёт текущий процесс. Это означает, что (по умолчанию) все процессы многопроцессной программы используют один ключ аутентификации, который можно применять для настройки соединений между ними.

Подходящие ключи аутентификации также можно сгенерировать с помощью [`os.urandom()`](https://python-all.ru/3.14/library/os.html#os.urandom).

Эта аутентификация защищает соединения [`Listener`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Listener) и [`Client()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.connection.Client), которые доступны по адресу. Она не применяется к анонимным каналам, созданным [`Pipe()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Pipe) или используемым внутри [`Queue`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue). `multiprocessing` считает все локальные процессы, работающие от того же пользователя, доверенными; в большинстве операционных систем такие процессы в любом случае могут обращаться к файловым дескрипторам каналов друг друга. Приложения, требующие изоляции между процессами одного пользователя, должны настраивать её на уровне операционной системы – например, запуская рабочие процессы под другой учётной записью или в песочнице.

### Журналирование

Доступна поддержка журналирования. Однако обратите внимание, что пакет [`logging`](https://python-all.ru/3.14/library/logging.html#module-logging) не использует блокировки, разделяемые между процессами, поэтому сообщения от разных процессов могут перемешиваться (в зависимости от типа обработчика).

#### `multiprocessing.get_logger()`

Возвращает логгер, используемый модулем `multiprocessing`. При необходимости создаётся новый.

При первом создании логгер имеет уровень [`logging.NOTSET`](https://python-all.ru/3.14/library/logging.html#logging.NOTSET) и не имеет обработчика по умолчанию. Сообщения, отправленные этому логгеру, по умолчанию не распространяются на корневой логгер.

Обратите внимание, что в Windows дочерние процессы наследуют только уровень логгера родительского процесса – любые другие настройки логгера не наследуются.

#### `multiprocessing.log_to_stderr(level=None)`

Эта функция выполняет вызов [`get_logger()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.get_logger), но в дополнение к возврату логгера, созданного функцией get\_logger, она добавляет обработчик, который отправляет вывод в [`sys.stderr`](https://python-all.ru/3.14/library/sys.html#sys.stderr), используя формат `'[%(levelname)s/%(processName)s] %(message)s'`. Можно изменить `levelname` логгера, передав аргумент `level`.

Ниже приведён пример сеанса с включённым журналированием:

```python
>>> import multiprocessing, logging
>>> logger = multiprocessing.log_to_stderr()
>>> logger.setLevel(logging.INFO)
>>> logger.warning('doomed')
[WARNING/MainProcess] doomed
>>> m = multiprocessing.Manager()
[INFO/SyncManager-...] child process calling self.run()
[INFO/SyncManager-...] created temp directory /.../pymp-...
[INFO/SyncManager-...] manager serving at '/.../listener-...'
>>> del m
[INFO/MainProcess] sending shutdown message to manager
[INFO/SyncManager-...] manager exiting with exitcode 0
```

Полную таблицу уровней журналирования см. в модуле [`logging`](https://python-all.ru/3.14/library/logging.html#module-logging).

### Модуль `multiprocessing.dummy`

`multiprocessing.dummy` воспроизводит API модуля `multiprocessing`, но является не более чем обёрткой вокруг модуля [`threading`](https://python-all.ru/3.14/library/threading.html#module-threading).

В частности, функция `Pool`, предоставляемая модулем `multiprocessing.dummy`, возвращает экземпляр [`ThreadPool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.ThreadPool), который является подклассом [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), поддерживающим все те же вызовы методов, но использующим пул рабочих потоков вместо рабочих процессов.

#### `class multiprocessing.pool.ThreadPool([processes[, initializer[, initargs]]])`

Объект пула потоков, который управляет пулом рабочих потоков, которым можно отправлять задачи. Экземпляры `ThreadPool` полностью совместимы по интерфейсу с экземплярами [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), и их ресурсами необходимо правильно управлять – либо используя пул как контекстный менеджер, либо вызывая [`close()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.close) и [`terminate()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool.terminate) вручную.

*processes* – это количество используемых рабочих потоков. Если *processes* равно `None`, то используется число, возвращаемое [`os.process_cpu_count()`](https://python-all.ru/3.14/library/os.html#os.process_cpu_count).

Если *initializer* не равно `None`, то каждый рабочий процесс вызовет `initializer(*initargs)` при запуске.

В отличие от [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), *maxtasksperchild* и *context* не могут быть заданы.

> **Примечание**
>
> `ThreadPool` имеет тот же интерфейс, что и [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool), который разработан вокруг пула процессов и появился до введения модуля [`concurrent.futures`](https://python-all.ru/3.14/library/concurrent.futures.html#module-concurrent.futures). Таким образом, он наследует некоторые операции, которые не имеют смысла для пула на основе потоков, и имеет собственный тип для представления статуса асинхронных задач – [`AsyncResult`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.AsyncResult), который не распознаётся другими библиотеками.
>
> Пользователям обычно следует отдавать предпочтение использованию [`concurrent.futures.ThreadPoolExecutor`](https://python-all.ru/3.14/library/concurrent.futures.html#concurrent.futures.ThreadPoolExecutor), который имеет более простой интерфейс, изначально разработанный для потоков, и возвращает экземпляры [`concurrent.futures.Future`](https://python-all.ru/3.14/library/concurrent.futures.html#concurrent.futures.Future), совместимые со многими другими библиотеками, включая [`asyncio`](https://python-all.ru/3.14/library/asyncio.html#module-asyncio).

## Рекомендации по программированию

Существуют определённые рекомендации и идиомы, которых следует придерживаться при использовании `multiprocessing`.

### Все методы запуска

Нижеследующее относится ко всем методам запуска.

Избегайте разделяемого состояния

> По возможности следует стараться избегать передачи больших объёмов данных между процессами.
>
> Вероятно, лучше всего ограничиться использованием очередей или каналов для связи между процессами, а не использовать низкоуровневые примитивы синхронизации.

Сериализуемость

> Убедитесь, что аргументы методов прокси-объектов сериализуемы.

Потокобезопасность прокси

> Не используйте прокси-объект из более чем одного потока, если не защищаете его блокировкой.
>
> (С разными процессами, использующими *один и тот же* прокси, проблем не возникает.)

Присоединение процессов-зомби

> В POSIX, когда процесс завершается, но не был присоединён, он становится зомби. Их никогда не должно быть много, потому что каждый раз при запуске нового процесса (или вызове [`active_children()`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.active_children)) все завершённые процессы, которые ещё не были присоединены, будут присоединены. Также вызов [`Process.is_alive`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.is_alive) у завершённого процесса присоединит его. Тем не менее, хорошей практикой является явное присоединение всех запущенных процессов.

Лучше наследовать, чем упаковывать/распаковывать

> При использовании методов запуска *spawn* или *forkserver* многие типы из `multiprocessing` должны быть упаковываемыми (picklable), чтобы дочерние процессы могли их использовать. Однако обычно следует избегать отправки разделяемых объектов другим процессам через каналы или очереди. Вместо этого стоит организовать программу так, чтобы процесс, которому требуется доступ к разделяемому ресурсу, созданному в другом месте, мог унаследовать его от родительского процесса.

Избегайте завершения процессов

> Использование метода [`Process.terminate`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.terminate) для остановки процесса может привести к тому, что любые разделяемые ресурсы (такие как блокировки, семафоры, каналы и очереди), которые в данный момент используются процессом, станут повреждёнными или недоступными для других процессов.
>
> Поэтому, вероятно, лучше рассматривать использование [`Process.terminate`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.terminate) только для процессов, которые никогда не используют разделяемые ресурсы.

Присоединение процессов, использующих очереди

> Имейте в виду, что процесс, поместивший элементы в очередь, будет ждать перед завершением, пока все буферизованные элементы не будут переданы потоком «feeder» в нижележащий канал. (Дочерний процесс может вызвать метод [`Queue.cancel_join_thread`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Queue.cancel_join_thread) очереди, чтобы избежать такого поведения.)
>
> Это означает, что при использовании очереди нужно убедиться, что все элементы, помещённые в очередь, будут в конечном итоге удалены до того, как процесс будет присоединён. В противном случае нельзя быть уверенным, что процессы, поместившие элементы в очередь, завершатся. Также помните, что недемонические процессы присоединяются автоматически.
>
> Пример, который приведёт к взаимоблокировке:
>
> ```python
> from multiprocessing import Process, Queue
>
> def f(q):
>     q.put('X' * 1000000)
>
> if __name__ == '__main__':
>     queue = Queue()
>     p = Process(target=f, args=(queue,))
>     p.start()
>     p.join()                    # это приводит к взаимоблокировке
>     obj = queue.get()
> ```
>
> Исправление заключается в замене двух последних строк местами (или просто удалении строки с `p.join()`).

Явная передача ресурсов дочерним процессам

> В POSIX при использовании метода запуска *fork* дочерний процесс может использовать разделяемый ресурс, созданный в родительском процессе, через глобальный ресурс. Однако лучше передавать объект в качестве аргумента конструктору дочернего процесса.
>
> Помимо того, что это делает код (потенциально) совместимым с Windows и другими методами запуска, это также гарантирует, что пока дочерний процесс жив, объект не будет собран сборщиком мусора в родительском процессе. Это может быть важно, если некоторый ресурс освобождается при сборке мусора объекта в родительском процессе.
>
> Так, например
>
> ```python
> from multiprocessing import Process, Lock
>
> def f():
>     ... do something using "lock" ...
>
> if __name__ == '__main__':
>     lock = Lock()
>     for i in range(10):
>         Process(target=f).start()
> ```
>
> следует переписать как
>
> ```python
> from multiprocessing import Process, Lock
>
> def f(l):
>     ... do something using "l" ...
>
> if __name__ == '__main__':
>     lock = Lock()
>     for i in range(10):
>         Process(target=f, args=(lock,)).start()
> ```

Остерегайтесь замены [`sys.stdin`](https://python-all.ru/3.14/library/sys.html#sys.stdin) на «файлоподобный объект»

> `multiprocessing` изначально безусловно вызывал:
>
> ```python
> os.close(sys.stdin.fileno())
> ```
>
> в методе `multiprocessing.Process._bootstrap()` – это приводило к проблемам с процессами внутри процессов. Теперь это изменено на:
>
> ```python
> sys.stdin.close()
> sys.stdin = open(os.open(os.devnull, os.O_RDONLY), closefd=False)
> ```
>
> Это решает основную проблему столкновения процессов друг с другом, приводящую к ошибке неверного файлового дескриптора, но вносит потенциальную опасность для приложений, которые заменяют [`sys.stdin()`](https://python-all.ru/3.14/library/sys.html#sys.stdin) на «файлоподобный объект» с буферизацией вывода. Опасность в том, что если несколько процессов вызовут [`close()`](https://python-all.ru/3.14/library/io.html#io.IOBase.close) для этого файлоподобного объекта, одни и те же данные могут быть сброшены в объект несколько раз, что приведёт к повреждению.
>
> Если вы пишете файлоподобный объект и реализуете собственное кэширование, вы можете сделать его устойчивым к fork, сохраняя pid при каждом добавлении в кэш и сбрасывая кэш при изменении pid. Например:
>
> ```python
> @property
> def cache(self):
>     pid = os.getpid()
>     if pid != self._pid:
>         self._pid = pid
>         self._cache = []
>     return self._cache
> ```
>
> Для получения дополнительной информации см. [bpo-5155](https://python-all.ru/3.14/library/multiprocessing.html), [bpo-5313](https://python-all.ru/3.14/library/multiprocessing.html) и [bpo-5331](https://python-all.ru/3.14/library/multiprocessing.html)

### Методы запуска *spawn* и *forkserver*

Существует несколько дополнительных ограничений, которые не относятся к методу запуска *fork*.

Упаковываемость

> Убедитесь, что все аргументы [`Process`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process) являются упаковываемыми (picklable). Кроме того, если вы создаёте подкласс `Process.__init__`, необходимо гарантировать, что экземпляры будут упаковываемы при вызове метода [`Process.start`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.start).

Глобальные переменные

> Имейте в виду, что если код, выполняемый в дочернем процессе, попытается обратиться к глобальной переменной, то значение, которое он увидит (если оно есть), может не совпадать со значением в родительском процессе на момент вызова [`Process.start`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.Process.start).
>
> Однако глобальные переменные, которые представляют собой просто константы уровня модуля, не вызывают проблем.

Безопасный импорт главного модуля

> Необходимо убедиться, что главный модуль может быть безопасно импортирован новым интерпретатором Python без нежелательных побочных эффектов (например, запуска нового процесса).
>
> Например, при использовании методов запуска *spawn* или *forkserver* выполнение следующего модуля приведёт к ошибке [`RuntimeError`](https://python-all.ru/3.14/library/exceptions.html#RuntimeError):
>
> ```python
> from multiprocessing import Process
>
> def foo():
>     print('hello')
>
> p = Process(target=foo)
> p.start()
> ```
>
> Вместо этого следует защитить «точку входа» программы с помощью `if __name__ == '__main__':` следующим образом:
>
> ```python
> from multiprocessing import Process, freeze_support, set_start_method
>
> def foo():
>     print('hello')
>
> if __name__ == '__main__':
>     freeze_support()
>     set_start_method('spawn')
>     p = Process(target=foo)
>     p.start()
> ```
>
> (Строку `freeze_support()` можно опустить, если программа будет запускаться обычным образом, а не как замороженное приложение.)
>
> Это позволяет только что порождённому интерпретатору Python безопасно импортировать модуль и затем выполнить функцию `foo()` этого модуля.
>
> Аналогичные ограничения действуют, если пул или менеджер создаются в главном модуле.

## Примеры

Демонстрация создания и использования настраиваемых менеджеров и прокси:

```python
from multiprocessing import freeze_support
from multiprocessing.managers import BaseManager, BaseProxy
import operator

##

class Foo:
    def f(self):
        print('you called Foo.f()')
    def g(self):
        print('you called Foo.g()')
    def _h(self):
        print('you called Foo._h()')

# Простая функция-генератор
def baz():
    for i in range(10):
        yield i*i

# Тип прокси для объектов-генераторов
class GeneratorProxy(BaseProxy):
    _exposed_ = ['__next__']
    def __iter__(self):
        return self
    def __next__(self):
        return self._callmethod('__next__')

# Функция для возврата модуля operator
def get_operator_module():
    return operator

##

class MyManager(BaseManager):
    pass

# зарегистрировать класс Foo; сделать `f()` и `g()` доступными через прокси
MyManager.register('Foo1', Foo)

# зарегистрировать класс Foo; сделать `g()` и `_h()` доступными через прокси
MyManager.register('Foo2', Foo, exposed=('g', '_h'))

# зарегистрировать функцию-генератор baz; использовать `GeneratorProxy` для создания прокси
MyManager.register('baz', baz, proxytype=GeneratorProxy)

# зарегистрировать get_operator_module(); сделать публичные функции доступными через прокси
MyManager.register('operator', get_operator_module)

##

def test():
    manager = MyManager()
    manager.start()

    print('-' * 20)

    f1 = manager.Foo1()
    f1.f()
    f1.g()
    assert not hasattr(f1, '_h')
    assert sorted(f1._exposed_) == sorted(['f', 'g'])

    print('-' * 20)

    f2 = manager.Foo2()
    f2.g()
    f2._h()
    assert not hasattr(f2, 'f')
    assert sorted(f2._exposed_) == sorted(['g', '_h'])

    print('-' * 20)

    it = manager.baz()
    for i in it:
        print('<%d>' % i, end=' ')
    print()

    print('-' * 20)

    op = manager.operator()
    print('op.add(23, 45) =', op.add(23, 45))
    print('op.pow(2, 94) =', op.pow(2, 94))
    print('op._exposed_ =', op._exposed_)

##

if __name__ == '__main__':
    freeze_support()
    test()
```

Использование [`Pool`](https://python-all.ru/3.14/library/multiprocessing.html#multiprocessing.pool.Pool):

```python
import multiprocessing
import time
import random
import sys

#
# Функции, используемые тестовым кодом
#

def calculate(func, args):
    result = func(*args)
    return '%s says that %s%s = %s' % (
        multiprocessing.current_process().name,
        func.__name__, args, result
        )

def calculatestar(args):
    return calculate(*args)

def mul(a, b):
    time.sleep(0.5 * random.random())
    return a * b

def plus(a, b):
    time.sleep(0.5 * random.random())
    return a + b

def f(x):
    return 1.0 / (x - 5.0)

def pow3(x):
    return x ** 3

def noop(x):
    pass

#
# Тестовый код
#

def test():
    PROCESSES = 4
    print('Creating pool with %d processes\n' % PROCESSES)

    with multiprocessing.Pool(PROCESSES) as pool:
        #
        # Тесты
        #

        TASKS = [(mul, (i, 7)) for i in range(10)] + \
                [(plus, (i, 8)) for i in range(10)]

        results = [pool.apply_async(calculate, t) for t in TASKS]
        imap_it = pool.imap(calculatestar, TASKS)
        imap_unordered_it = pool.imap_unordered(calculatestar, TASKS)

        print('Ordered results using pool.apply_async():')
        for r in results:
            print('\t', r.get())
        print()

        print('Ordered results using pool.imap():')
        for x in imap_it:
            print('\t', x)
        print()

        print('Unordered results using pool.imap_unordered():')
        for x in imap_unordered_it:
            print('\t', x)
        print()

        print('Ordered results using pool.map() --- will block till complete:')
        for x in pool.map(calculatestar, TASKS):
            print('\t', x)
        print()

        #
        # Тестирование обработки ошибок
        #

        print('Testing error handling:')

        try:
            print(pool.apply(f, (5,)))
        except ZeroDivisionError:
            print('\tGot ZeroDivisionError as expected from pool.apply()')
        else:
            raise AssertionError('expected ZeroDivisionError')

        try:
            print(pool.map(f, list(range(10))))
        except ZeroDivisionError:
            print('\tGot ZeroDivisionError as expected from pool.map()')
        else:
            raise AssertionError('expected ZeroDivisionError')

        try:
            print(list(pool.imap(f, list(range(10)))))
        except ZeroDivisionError:
            print('\tGot ZeroDivisionError as expected from list(pool.imap())')
        else:
            raise AssertionError('expected ZeroDivisionError')

        it = pool.imap(f, list(range(10)))
        for i in range(10):
            try:
                x = next(it)
            except ZeroDivisionError:
                if i == 5:
                    pass
            except StopIteration:
                break
            else:
                if i == 5:
                    raise AssertionError('expected ZeroDivisionError')

        assert i == 9
        print('\tGot ZeroDivisionError as expected from IMapIterator.next()')
        print()

        #
        # Тестирование тайм-аутов
        #

        print('Testing ApplyResult.get() with timeout:', end=' ')
        res = pool.apply_async(calculate, TASKS[0])
        while 1:
            sys.stdout.flush()
            try:
                sys.stdout.write('\n\t%s' % res.get(0.02))
                break
            except multiprocessing.TimeoutError:
                sys.stdout.write('.')
        print()
        print()

        print('Testing IMapIterator.next() with timeout:', end=' ')
        it = pool.imap(calculatestar, TASKS)
        while 1:
            sys.stdout.flush()
            try:
                sys.stdout.write('\n\t%s' % it.next(0.02))
            except StopIteration:
                break
            except multiprocessing.TimeoutError:
                sys.stdout.write('.')
        print()
        print()

if __name__ == '__main__':
    multiprocessing.freeze_support()
    test()
```

Пример использования очередей для передачи задач набору рабочих процессов и сбора результатов:

```python
import time
import random

from multiprocessing import Process, Queue, current_process, freeze_support

#
# Функция, выполняемая рабочими процессами
#

def worker(input, output):
    for func, args in iter(input.get, 'STOP'):
        result = calculate(func, args)
        output.put(result)

#
# Функция, используемая для вычисления результата
#

def calculate(func, args):
    result = func(*args)
    return '%s says that %s%s = %s' % \
        (current_process().name, func.__name__, args, result)

#
# Функции, на которые ссылаются задачи
#

def mul(a, b):
    time.sleep(0.5*random.random())
    return a * b

def plus(a, b):
    time.sleep(0.5*random.random())
    return a + b

#
#
#

def test():
    NUMBER_OF_PROCESSES = 4
    TASKS1 = [(mul, (i, 7)) for i in range(20)]
    TASKS2 = [(plus, (i, 8)) for i in range(10)]

    # Создание очередей
    task_queue = Queue()
    done_queue = Queue()

    # Отправка задач
    for task in TASKS1:
        task_queue.put(task)

    # Запуск рабочих процессов
    for i in range(NUMBER_OF_PROCESSES):
        Process(target=worker, args=(task_queue, done_queue)).start()

    # Получение и вывод результатов
    print('Unordered results:')
    for i in range(len(TASKS1)):
        print('\t', done_queue.get())

    # Добавить ещё задач с помощью `put()`
    for task in TASKS2:
        task_queue.put(task)

    # Получить и вывести ещё несколько результатов
    for i in range(len(TASKS2)):
        print('\t', done_queue.get())

    # Сообщить дочерним процессам об остановке
    for i in range(NUMBER_OF_PROCESSES):
        task_queue.put('STOP')

if __name__ == '__main__':
    freeze_support()
    test()
```