Python 分布式进程Worker

#!/usr/bin/env python

# -*- coding:utf-8 -*-

# author: Changhua Gong

import random, time, queue

from multiprocessing.managers import BaseManager

from queue import Queue

‘‘‘

worker进程:执行任务,反馈结果

这部分内容与官网教程,有些出入

‘‘‘

# 从BaseManager继承QueueManager

class QueueManager(BaseManager):

pass

# 从网络上获取对应的queue

QueueManager.register("get_queue_t")

QueueManager.register("get_queue_rs")

# 连接到服务器,也就是运行task_master.py的机器:

server_ip = "127.0.0.1"

print("Connect to server...%s" % server_ip)

manager = QueueManager(address=(server_ip, 5000), authkey=b"love8013")  # 保证端口和密匙一致

# 从网络连接

manager.connect()

# 获得通过网络访问的Queue对象

t = manager.get_queue_t()

rs = manager.get_queue_rs()

print("1")

# 从task队列中读取任务,并将结果写会result队列

for i in range(10):

try:

n = t.get(timeout=1)

print(‘run task %d * %d...‘ % (n, n))

r = ‘%d * %d = %d‘ % (n, n, n*n)

time.sleep(1)

rs.put(r)

except Queue.Empty:

print(‘task queue is empty.‘)

print(‘worker exit.‘)

时间: 2024-10-13 03:09:40

Python 分布式进程Worker的相关文章

python 分布式进程体验

抽了点时间体验了一把python 分布式进程,有点像分布式计算的意思,不过我现在还没有这个需求,先把简单体验的脚本发出来,供路过的各位高手指教 注:需要先下载multiprocessing 的python包支持才行. 管理端: cat task_manager.py #!/usr/bin/env python #coding:utf8 import random,time,Queue,json from multiprocessing.managers import BaseManager #发

Python 分布式进程间通讯

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

python 分布式进程

分布式进程   如果已经有一个通过Queue通信的多进程程序在同一台机器上运行,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. 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 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, queuefrom multiprocessing.managers import BaseManager #

python分布式进程

分布式进程可以布置在局域网之中,把安排的任务注册到局域网内,不同主机之间就可以传递信息,从而分配任务和反馈,不过并不适合返回大量数据: 首先需要一个服务器server,用来存放数据,其他机器通过局域网内ip访问到: # -*- coding: utf-8 -*- #注册进程,manager/server import multiprocessing from multiprocessing.managers import BaseManager from multiprocessing impo

Python 分布式进程Master

#!/usr/bin/env python # -*- coding:utf-8 -*- # author: Changhua Gong import random, time, queue from multiprocessing.managers import BaseManager from multiprocessing import freeze_support ''' master进程:调度进程,作用分配任务和接收结果 这部分内容与官网教程,有些出入 ''' # 发送任务的对列 qu

Python学习笔记__10.5章 分布式进程

# 这是学习廖雪峰老师python教程的学习笔记 1.概览 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.依靠网络通信,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.由于managers模块封装很好,不必了解网络通信的细节,就可以很

python 进程和线程-进程和线程的比较以及分布式进程

进程和线程的比较 参考链接:https://www.liaoxuefeng.com/wiki/1016959663602400/1017631469467456 我们介绍了多进程和多线程,这是实现多任务最常用的两种方式.现在,我们来讨论一下这两种方式的优缺点. 首先,要实现多任务,通常我们会设计Master-Worker模式,Master负责分配任务,Worker负责执行任务,因此,多任务环境下,通常是一个Master,多个Worker. 如果用多进程实现Master-Worker,主进程就是M

四十 分布式进程

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

多线程 及 分布式进程间的通信

#!/usr/bin/env python3 # -*- coding: utf-8 -*- #!/usr/bin/env python3 #-*- coding:utf-8 -*- #多线程 #多任务可以由多进程完成,也可以由一个进程内的多线程完成. #进程是若干线程组成,一个进程至少有一个线程 #由于线程是操作系统直接支持的执行单元,因此,高级语言通常都内置多线程的支持,python 的线程是真正的posix thread,而不是模拟出来的线程. #python 的标准库提供了两个模块:_t