python3进程分布式进程

桃扇骨 2023-02-21 06:58 1阅读 0赞

# 1.task\_mater.py #

> 在Thread和Process中，应当优选Process，因为Process更稳定，而且，Process可以分布到多台机器上，而Thread最多只能分布到同一台机器的多个CPU上。Python的`multiprocessing`模块不但支持多进程，其中`managers`子模块还支持把多进程分布到多台机器上。一个服务进程可以作为调度者，将任务分布到其他多个进程中，依靠网络通信。由于`managers`模块封装很好，不必了解网络通信的细节，就可以很容易地编写分布式多进程程序。
> 
>  *  举个例子：如果我们已经有一个通过`Queue`通信的多进程程序在同一台机器上运行，现在，由于处理任务的进程任务繁重，希望把发送任务的进程和处理任务的进程分布到两台机器上。怎么用分布式进程实现？
> 
> 原有的`Queue`可以继续使用，但是，通过`managers`模块把`Queue`通过网络暴露出去，就可以让其他机器的进程访问`Queue`了。
> 
>  *  ***就服务进程而言，服务进程负责启动`Queue`，把`Queue`注册到网络上，然后往`Queue`里面写入任务***：

# task_master.py
    import random, time, queue
    from multiprocessing.managers import BaseManager
    
    
    # 发送任务的队列:
    task_queue = queue.Queue()
    def return_task_queue():
        global task_queue
        return task_queue
    
    
    # 接收结果的队列:
    result_queue = queue.Queue()
    def return_result_queue():
        global result_queue
        return result_queue
    
    
    # 从BaseManager继承的QueueManager:
    class QueueManager(BaseManager):
        pass
    
    
    def main():
        # 把两个Queue都注册到网络上, callable参数关联了Queue对象:
        QueueManager.register('get_task_queue', callable=return_task_queue)
        QueueManager.register('get_result_queue', callable=return_result_queue)
    
        # 绑定端口5000, 设置验证码'abc':
        manager = QueueManager(address=('主进程网址', 5000), authkey=b'abc')
    
        # =====启动Queue:
        manager.start()
        
        # 获得通过网络访问的Queue对象:
        task = manager.get_task_queue()
        result = manager.get_result_queue()
        
        # 放几个任务进去:
        for i in range(10):
            n = random.randint(0, 10000)
            print('Put task %d...' % n)
            task.put(n)
        
        # 从result队列读取结果:
        print('Try get results...')
        for i in range(10):
            r = result.get(timeout=10)
            print('Result: %s' % r)
        
        # 关闭:
        manager.shutdown()
        print('master exit.')
    
    
    if __name__ == "__main__":
        main()

# 2.task\_worker.py #

> 任务进程：可以是本机，也可以是虚拟机，也可以是其他机器（要确保两台机器可以ping通）

# task_worker.py
    import time, sys, queue
    from multiprocessing.managers import BaseManager
    
    
    # 创建类似的QueueManager:
    class QueueManager(BaseManager):
        pass
    
    
    def main():
        # 由于这个QueueManager只从网络上获取Queue，所以注册时只提供名字:
        QueueManager.register('get_task_queue')
        QueueManager.register('get_result_queue')
    
        # 连接到服务器，也就是运行task_master.py的机器:
        server_addr = '主进程端IP地址'
        print('Connect to server %s...' % server_addr)
        # 端口和验证码注意保持与task_master.py设置的完全一致:
        m = QueueManager(address=(server_addr, 5000), authkey=b'abc')
    
        # 从网络连接:
        m.connect()
    
        # 获取Queue的对象:
        task = m.get_task_queue()
        result = m.get_result_queue()
        # 从task队列取任务,并把结果写入result队列:
        for i in range(10):
            try:
                n = task.get(timeout=1)
                print('run task %d * %d...' % (n, n))
                r = '%d * %d = %d' % (n, n, n * n)
                time.sleep(1)
                result.put(r)
            except queue.Empty:
                print('task queue is empty.')
    
        # 处理结束:
        print('worker exit.')
    
    
    if "__main__" == __name__:
        main()