python分布式进程

分布式进程指的是将Process进程分布到多台机器上，充分利用多态机器的性能完成复杂的任务

• 分布式进程在python 中依然要用到multiprocessing 模块。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。能够写一个服务进程做为调度者，将任务分布到其余多
  个进程中，依靠网络通讯进行管理。例子：在作爬虫程序时，抓取某个网站的全部图片，若是使用多进程的话，通常是一个进程负责抓取图片的连接地址，将连接地址放到queue中，另外的进程负责从queue中取连接地址进行下载和存储到本地。如今把这个过程作成分布式，一台机器上的进程负责抓取连接地址，其余机器上的进程负责系在存储。那么遇到的主要问题是将queue 暴露到网络中，让其余机器进程均可以访问，分布式进程就是将这个过程进行了封装，咱们能够将这个过程称为本地队列的网络化

要实现上面例子的功能，建立分布式进程须要分为 六个步骤

• 创建队列Queue ，用来进行进程间通讯。服务进程建立任务队列task_queue 用来做为传递任务给任务进程的通道；服务进程建立结果队列result_queue ，做为任务进程完成任务后回复服务进程的通道。在分布式多进程环境下，必须由Queuemanager得到Queue 接口来添加任务
• 把第一步中创建的队列在网络上注册，暴露给其余进程（主机），注册后得到网络队列，至关于本地队列的映像
• 创建一个对象（Queuemanager（BaseManager））实例manager，绑定端口和验证口令
• 启动第三步中创建的实例，即启动管理manager，监管信息通道
• 经过管理实例的方法得到经过网络访问的Queue对象，即再把网络队列实体化成可使用的本地队列
• 建立任务到 “本地”队列中，自动上传任务到网络队列中，分配给任务进程进行处理

接下来经过程序实现上面的列子（window版），首先编写的是服务进程（taskManager.py）

#!coding:utf-8
from multiprocessing.managers import BaseManager
from multiprocessing import freeze_support, Queue

# 任务个数
task_number = 10

# 收发队列
task_quue = Queue(task_number)
result_queue = Queue(task_number)


def get_task():
    return task_quue


def get_result():
    return result_queue


# 建立相似的queueManager
class QueueManager(BaseManager):
    pass


def win_run():
    # 注册在网络上，callable 关联了Queue 对象
    # 将Queue对象在网络中暴露
    #window下绑定调用接口不能直接使用lambda，因此只能先定义函数再绑定
    QueueManager.register('get_task_queue', callable=get_task)
    QueueManager.register('get_result_queue', callable=get_result)
    # 绑定端口和设置验证口令
    manager = QueueManager(address=('127.0.0.1', 8001), authkey='qiye'.encode())

    # 启动管理，监听信息通道
    manager.start()

    try:

        # 经过网络获取任务队列和结果队列
        task = manager.get_task_queue()
        result = manager.get_result_queue()

        # 添加任务
        for url in ["ImageUrl_" + str(i) for i in range(10)]:
            print('url is %s' % url)
            task.put(url)

        print('try get result')
        for i in range(10):
            print('result is %s' % result.get(timeout=10))

    except:
        print 'Manager error'
    finally:
        manager.shutdown()


if __name__ == '__main__':
    # window下多进程可能有问题，添加这句话缓解
    freeze_support()
    win_run()

服务进程已经编写好，接下来任务进程(taskWorker.py)建立四步骤：

• 使用QueueManager注册用于获取Queue的方法名称，任务进程只能经过名称来网络获取Queue
• 链接服务器，端口和验证口令注意保持与服务器进程中彻底一致
• 从网络获取Queue，进行本地化
• 从task队列获取任务，而且把结果写入result队列

#coding:utf-8
import time
from multiprocessing.managers import BaseManager
# 建立相似的QueueManager:
class QueueManager(BaseManager):
    pass
# 实现第一步：使用QueueManager注册获取Queue的方法名称
QueueManager.register('get_task_queue')
QueueManager.register('get_result_queue')
# 实现第二步：链接到服务器:
server_addr = '127.0.0.1'
print('Connect to server %s...' % server_addr)
# 端口和验证口令注意保持与服务进程设置的彻底一致:
m = QueueManager(address=(server_addr, 8001), authkey='qiye')
# 从网络链接:
m.connect()
# 实现第三步：获取Queue的对象:
task = m.get_task_queue()
result = m.get_result_queue()
# 实现第四步：从task队列取任务,并把结果写入result队列:
while(not task.empty()):
        image_url = task.get(True,timeout=5)
        print('run task download %s...' % image_url)
        time.sleep(1)
        result.put('%s--->success'%image_url)
# 处理结束:
print('worker exit.')

运行结果：

• taskManager.py

C:\Python27\python.exe F:/python_scrapy/python_study/taskManager.py
url is ImageUrl_0
url is ImageUrl_1
url is ImageUrl_2
url is ImageUrl_3
url is ImageUrl_4
url is ImageUrl_5
url is ImageUrl_6
url is ImageUrl_7
url is ImageUrl_8
url is ImageUrl_9
try get result
result is ImageUrl_0--->success
result is ImageUrl_1--->success
result is ImageUrl_2--->success
result is ImageUrl_3--->success
result is ImageUrl_4--->success
result is ImageUrl_5--->success
result is ImageUrl_6--->success
result is ImageUrl_7--->success
result is ImageUrl_8--->success
result is ImageUrl_9--->success

Process finished with exit code 0

• 任务进程(taskWorker.py)

C:\Python27\python.exe F:/python_scrapy/python_study/taskWorker.py
Connect to server 127.0.0.1...
run task download ImageUrl_0...
run task download ImageUrl_1...
run task download ImageUrl_2...
run task download ImageUrl_3...
run task download ImageUrl_4...
run task download ImageUrl_5...
run task download ImageUrl_6...
run task download ImageUrl_7...
run task download ImageUrl_8...
run task download ImageUrl_9...
worker exit.

Process finished with exit code 0