Python 分布式任务 Python怎样快速实现分布式任务
开源小站 人气:0想了解Python怎样快速实现分布式任务的相关内容吗，开源小站在本文为您仔细讲解Python 分布式任务的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：Python,分布式任务,Python实现分布式任务，下面大家一起来学习吧。
深入读了读python的官方文档，发觉Python自带的multiprocessing模块有很多预制的接口可以方便的实现多个主机之间的通讯，进而实现典型的生产者-消费者模式的分布式任务架构。
之前，为了在Python中实现生产者-消费者模式，往往就会选择一个额外的队列系统，比如rabbitMQ之类。此外，你有可能还要设计一套任务对象的序列化方式以便塞入队列。如果没有队列的支持，那不排除有些同学不得不从socket服务器做起，直接跟TCP/IP打起交道来。
其实multiprocessing.managers中有个BaseManager就为开发者提供了这样一个快速接口。
我们假定的场景是1个生产者（producer.py）+8个消费者(worker.py)的系统，还有一个中央节点负责协调（server.py）实现如下：
server.py
from multiprocessing.managers import BaseManager
import Queue
queue = Queue.Queue() #初始化一个Q，用于消息传递
class QueueManager(BaseManager):
pass
QueueManager.register('get_queue', callable=lambda:queue) # 在系统中发布get_queue这个业务
if __name__ == '__main__':
m = QueueManager(address=('10.239.85.193', 50000),authkey='abr' )
# 监听所有10.239.85.193的50000口
s = m.get_server()
s.serve_forever()
worker.py
from multiprocessing.managers import BaseManager
from multiprocessing import Pool
class QueueManager(BaseManager):
pass
QueueManager.register('get_queue')
def feb(i): #经典的'山羊增殖'
if i < 2: return 1
if i < 5 : return feb(i-1) + feb(i-2)
return feb(i-1) + feb(i-2) - feb(i-5)
def worker(i):
m = QueueManager(address=('10.239.85.193', 50000), authkey='abr')
#连接server
m.connect()
while True:
queue = m.get_queue()
# 获取Q
c = queue.get()
print feb(c)
if __name__ == '__main__':
p = Pool(8) # 分进程启动8个worker
p.map(worker, range(8))
producer.py
from multiprocessing.managers import BaseManager
class QueueManager(BaseManager):
pass
QueueManager.register('get_queue')
if __name__ == '__main__':
m = QueueManager(address=('10.239.85.193', 50000), authkey='abr')
m.connect()
i = 0
while True:
queue = m.get_queue()
queue.put(48)
i+=1
系统会直接将Queue() 对象中的数据直接封装后通过TCP 50000端口在主机之间传递。不过需要注意的是，由于authkey的缘故，各个节点要求python的版本一致。
加载全部内容