在Python程序中实现分布式进程的教程


Posted in Python onApril 28, 2015

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。

我们先看服务进程,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:

# taskmanager.py

import random, time, Queue
from multiprocessing.managers import BaseManager

# 发送任务的队列:
task_queue = Queue.Queue()
# 接收结果的队列:
result_queue = Queue.Queue()

# 从BaseManager继承的QueueManager:
class QueueManager(BaseManager):
  pass

# 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=lambda: task_queue)
QueueManager.register('get_result_queue', callable=lambda: result_queue)
# 绑定端口5000, 设置验证码'abc':
manager = QueueManager(address=('', 5000), authkey='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()

请注意,当我们在一台机器上写多进程程序时,创建的Queue可以直接拿来用,但是,在分布式多进程环境下,添加任务到Queue不可以直接对原始的task_queue进行操作,那样就绕过了QueueManager的封装,必须通过manager.get_task_queue()获得的Queue接口添加。

然后,在另一台机器上启动任务进程(本机上启动也可以):

# taskworker.py

import time, sys, Queue
from multiprocessing.managers import BaseManager

# 创建类似的QueueManager:
class QueueManager(BaseManager):
  pass

# 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taskmanager.py的机器:
server_addr = '127.0.0.1'
print('Connect to server %s...' % server_addr)
# 端口和验证码注意保持与taskmanager.py设置的完全一致:
m = QueueManager(address=(server_addr, 5000), authkey='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.')

任务进程要通过网络连接到服务进程,所以要指定服务进程的IP。

现在,可以试试分布式进程的工作效果了。先启动taskmanager.py服务进程:

$ python taskmanager.py 
Put task 3411...
Put task 1605...
Put task 1398...
Put task 4729...
Put task 5300...
Put task 7471...
Put task 68...
Put task 4219...
Put task 339...
Put task 7866...
Try get results...

taskmanager进程发送完任务后,开始等待result队列的结果。现在启动taskworker.py进程:

$ python taskworker.py 127.0.0.1
Connect to server 127.0.0.1...
run task 3411 * 3411...
run task 1605 * 1605...
run task 1398 * 1398...
run task 4729 * 4729...
run task 5300 * 5300...
run task 7471 * 7471...
run task 68 * 68...
run task 4219 * 4219...
run task 339 * 339...
run task 7866 * 7866...
worker exit.

taskworker进程结束,在taskmanager进程中会继续打印出结果:

Result: 3411 * 3411 = 11634921
Result: 1605 * 1605 = 2576025
Result: 1398 * 1398 = 1954404
Result: 4729 * 4729 = 22363441
Result: 5300 * 5300 = 28090000
Result: 7471 * 7471 = 55815841
Result: 68 * 68 = 4624
Result: 4219 * 4219 = 17799961
Result: 339 * 339 = 114921
Result: 7866 * 7866 = 61873956

这个简单的Manager/Worker模型有什么用?其实这就是一个简单但真正的分布式计算,把代码稍加改造,启动多个worker,就可以把任务分布到几台甚至几十台机器上,比如把计算n*n的代码换成发送邮件,就实现了邮件队列的异步发送。

Queue对象存储在哪?注意到taskworker.py中根本没有创建Queue的代码,所以,Queue对象存储在taskmanager.py进程中:

在Python程序中实现分布式进程的教程

而Queue之所以能通过网络访问,就是通过QueueManager实现的。由于QueueManager管理的不止一个Queue,所以,要给每个Queue的网络调用接口起个名字,比如get_task_queue。

authkey有什么用?这是为了保证两台机器正常通信,不被其他机器恶意干扰。如果taskworker.py的authkey和taskmanager.py的authkey不一致,肯定连接不上。
小结

Python的分布式进程接口简单,封装良好,适合需要把繁重任务分布到多台机器的环境下。

注意Queue的作用是用来传递任务和接收结果,每个任务的描述数据量要尽量小。比如发送一个处理日志文件的任务,就不要发送几百兆的日志文件本身,而是发送日志文件存放的完整路径,由Worker进程再去共享的磁盘上读取文件。

Python 相关文章推荐
在Python中使用HTMLParser解析HTML的教程
Apr 29 Python
在Django的form中使用CSS进行设计的方法
Jul 18 Python
Django返回json数据用法示例
Sep 18 Python
python 计算两个日期相差多少个月实例代码
May 24 Python
详解TensorFlow在windows上安装与简单示例
Mar 05 Python
详解基于python的多张不同宽高图片拼接成大图
Sep 26 Python
解决pycharm上的jupyter notebook端口被占用问题
Dec 17 Python
Python3操作MongoDB增册改查等方法详解
Feb 10 Python
使用sublime text3搭建Python编辑环境的实现
Jan 12 Python
python爬虫之爬取笔趣阁小说
Apr 22 Python
python实现自动清理文件夹旧文件
May 10 Python
python 中的jieba分词库
Nov 23 Python
浅析Python多线程下的变量问题
Apr 28 #Python
python实现向ppt文件里插入新幻灯片页面的方法
Apr 28 #Python
Python实现对PPT文件进行截图操作的方法
Apr 28 #Python
在Python下尝试多线程编程
Apr 28 #Python
Python输出PowerPoint(ppt)文件中全部文字信息的方法
Apr 28 #Python
python使用append合并两个数组的方法
Apr 28 #Python
python实现的简单文本类游戏实例
Apr 28 #Python
You might like
php摘要生成函数(无乱码)
2012/02/04 PHP
解析PHP生成静态html文件的三种方法
2013/06/18 PHP
深入解析php中的foreach函数
2013/08/31 PHP
php中mail函数发送邮件失败的解决方法
2014/12/24 PHP
php简单实现发送带附件的邮件
2015/06/10 PHP
老生常谈ThinkPHP中的行为扩展和插件(推荐)
2017/05/05 PHP
PHP基于redis计数器类定义与用法示例
2018/02/08 PHP
聊聊 PHP 8 新特性 Attributes
2020/08/19 PHP
基于jQuery试卷自动排版系统
2010/07/18 Javascript
js代码实现的加入收藏效果并兼容主流浏览器
2014/06/23 Javascript
JS实现点击按钮获取页面高度的方法
2015/11/02 Javascript
JavaScript弹出对话框的三种方式
2016/03/23 Javascript
vue+express 构建后台管理系统的示例代码
2018/07/19 Javascript
js中call()和apply()改变指针问题的讲解
2019/01/17 Javascript
基于vue-cli、elementUI的Vue超简单入门小例子(推荐)
2019/04/17 Javascript
js实现3D照片墙效果
2019/10/28 Javascript
Python中__call__用法实例
2014/08/29 Python
Python EOL while scanning string literal问题解决方法
2020/09/18 Python
Python的装饰器用法学习笔记
2016/06/24 Python
Python3 queue队列模块详细介绍
2018/01/05 Python
Python实现可自定义大小的截屏功能
2018/01/20 Python
深入了解Django中间件及其方法
2019/07/26 Python
10分钟理解CSS3 Grid布局
2018/12/20 HTML / CSS
CSS3实现文字描边的2种方法(小结)
2020/02/14 HTML / CSS
软件测试常见笔试题
2012/02/04 面试题
路政管理专业推荐信
2013/11/11 职场文书
幼儿园大班新学期寄语
2014/01/18 职场文书
火灾现场处置方案
2014/05/28 职场文书
孕妇离婚协议书范本
2014/11/20 职场文书
工人先锋号申报材料
2014/12/29 职场文书
2015年仓库管理员工作总结
2015/04/21 职场文书
2015迎新晚会开场白
2015/05/29 职场文书
怎样写家长意见
2015/06/04 职场文书
获奖感言范文
2015/07/31 职场文书
医护人员继续教育学习心得体会
2016/01/19 职场文书
2019中秋节祝福语大全,提前收藏啦
2019/09/10 职场文书