Python在windows下的分布式程序

在thread和process中，應當優選process，因為process更穩定，而且，process可以分布到多台機器上，而thread最多只能分布到同一臺機器的多個cpu上。

python的multiprocessing模組不但支援多程序，其中managers子模組還支援把多程序分布到多台機器上。乙個服務程序可以作為排程者，將任務分布到其他多個程序中，依靠網路通訊。由於managers模組封裝很好，不必了解網路通訊的細節，就可以很容易地編寫分布式多程序程式。

舉個例子：如果我們已經有乙個通過queue通訊的多程序程式在同一臺機器上執行，現在，由於處理任務的程序任務繁重，希望把傳送任務的程序和處理任務的程序分布到兩台機器上。怎麼用分布式程序實現？

原有的queue可以繼續使用，但是，通過managers模組把queue通過網路暴露出去，就可以讓其他機器的程序訪問queue了。

我們先看服務程序，服務程序負責啟動queue，把queue註冊到網路上，然後往queue裡面寫入任務：

task_master.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import random, time, queue
from multiprocessing import freeze_support
from multiprocessing.managers import basemanager
# 傳送任務的佇列:
task_queue = queue.queue()
# 接收結果的佇列:
result_queue = queue.queue()
# 從basemanager繼承的queuemanager:
class queuemanager(basemanager):
pass
def return_task_queue():
global task_queue
return task_queue
def return_result_queue():
global result_queue
return result_queue
def test():
# 把兩個queue都註冊到網路上, callable引數關聯了queue物件:
# queuemanager.register('get_task_queue', callable=lambda: task_queue)
# queuemanager.register('get_result_queue', callable=lambda: result_queue)
queuemanager.register('get_task_queue', callable=return_task_queue)
queuemanager.register('get_result_queue', callable=return_result_queue)
# 繫結埠5000, 設定驗證碼'abc':
manager = queuemanager(address=('127.0.0.1', 5000), authkey=b'abc')
# 啟動queue:
manager.start()
# 獲得通過網路訪問的queue物件:
task = manager.get_task_queue()
result = manager.get_result_queue()
# 放幾個任務進去:
for i in range(10):
n = random.randint(0, 10000)
print('put task %d...' % n)
task.put(n)
# 從result佇列讀取結果:
print('try get results...')
for i in range(10):
r = result.get(timeout=10)
print('result: %s' % r)
# 關閉:
manager.shutdown()
print('master exit.')
if __name__ == '__main__':
freeze_support()
test()

task_woker.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import time, sys, queue
from multiprocessing.managers import basemanager
# 建立類似的queuemanager:
class queuemanager(basemanager):
pass
# 由於這個queuemanager只從網路上獲取queue，所以註冊時只提供名字:
queuemanager.register('get_task_queue')
queuemanager.register('get_result_queue')
# 連線到伺服器，也就是執行task_master.py的機器:
server_addr = '127.0.0.1'
print('connect to server %s...' % server_addr)
# 埠和驗證碼注意保持與task_master.py設定的完全一致:
m = queuemanager(address=(server_addr, 5000), authkey=b'abc')
# 從網路連線:
m.connect()
# 獲取queue的物件:
task = m.get_task_queue()
result = m.get_result_queue()
# 從task佇列取任務,並把結果寫入result佇列:
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.')
# 處理結束:
print('worker exit.')

請注意，當我們在一台機器上寫多程序程式時，建立的queue可以直接拿來用，但是，在分布式多程序環境下，新增任務到queue不可以直接對原始的task_queue進行操作，那樣就繞過了queuemanager的封裝，必須通過manager.get_task_queue()獲得的queue介面新增。

這個簡單的master/worker模型有什麼用？其實這就是乙個簡單但真正的分布式計算，把**稍加改造，啟動多個worker，就可以把任務分布到幾台甚至幾十台機器上，比如把計算n*n的**換成傳送郵件，就實現了郵件佇列的非同步傳送。

Python在windows下的分布式程序

在Windows下利用Python控制Linux

python在windows下的備份程式

PYTHON在WINDOWS環境下的環境變數設定

Python在windows下的分布式程序

在Windows下利用Python控制Linux

python在windows下的備份程式

PYTHON在WINDOWS環境下的環境變數設定

相關推薦