一篇文章帶你了解Python的分布式進(jìn)程接口
一、前言
在Thread和Process中，應(yīng)當(dāng)優(yōu)選Process，因?yàn)镻rocess更穩(wěn)定，而且，Process可以分布到多臺(tái)機(jī)器上，而Thread最多只能分布到同一臺(tái)機(jī)器的多個(gè)CPU上。
Python的multiprocessing模塊不但支持多進(jìn)程，其中managers子模塊還支持把多進(jìn)程分布到多臺(tái)機(jī)器上。可以寫(xiě)一個(gè)服務(wù)進(jìn)程作為調(diào)度者，將任務(wù)分布到其他多個(gè)進(jìn)程中，依靠網(wǎng)絡(luò)通信進(jìn)行管理。
二、案例分析
在做爬蟲(chóng)程序時(shí)，抓取某個(gè)網(wǎng)站的所有圖片，如果使用多進(jìn)程的話，一般是一個(gè)進(jìn)程負(fù)責(zé)抓取圖片的鏈接地址，將鏈接地址放到queue中，另外的進(jìn)程負(fù)責(zé) 從queue中取鏈接地址進(jìn)行下載和存儲(chǔ)到本地。
怎么用分布式進(jìn)程實(shí)現(xiàn)？
一臺(tái)機(jī)器上的進(jìn)程負(fù)責(zé)抓取鏈接地址，其他機(jī)器上的進(jìn)程負(fù)責(zé)系在存儲(chǔ)。那么遇到的主要問(wèn)題是將queue 暴露到網(wǎng)絡(luò)中，讓其他機(jī)器進(jìn)程都可以訪問(wèn)，分布式進(jìn)程就是將這個(gè)過(guò)程進(jìn)行了封裝，可以將這個(gè)過(guò)程稱為本地隊(duì)列的網(wǎng)絡(luò)化。
例：
1.py
from multiprocessing.managers import BaseManager
from multiprocessing import freeze_support, Queue
# 任務(wù)個(gè)數(shù)
task_number = 10
# 收發(fā)隊(duì)列
task_quue = Queue(task_number)
result_queue = Queue(task_number)
def get_task():
return task_quue
def get_result():
return result_queue
# 創(chuàng)建類似的queueManager
class QueueManager(BaseManager):
pass
def win_run():
# 注冊(cè)在網(wǎng)絡(luò)上，callable 關(guān)聯(lián)了Queue 對(duì)象
# 將Queue對(duì)象在網(wǎng)絡(luò)中暴露
# window下綁定調(diào)用接口不能直接使用lambda，所以只能先定義函數(shù)再綁定
QueueManager.register('get_task_queue', callable=get_task)
QueueManager.register('get_result_queue', callable=get_result)
# 綁定端口和設(shè)置驗(yàn)證口令
manager = QueueManager(address=('127.0.0.1', 8001), authkey='qiye'.encode())
# 啟動(dòng)管理，監(jiān)聽(tīng)信息通道
manager.start()
try:
# 通過(guò)網(wǎng)絡(luò)獲取任務(wù)隊(duì)列和結(jié)果隊(duì)列
task = manager.get_task_queue()
result = manager.get_result_queue()
# 添加任務(wù)
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__':
freeze_support()
win_run()連接服務(wù)器，端口和驗(yàn)證口令注意保持與服務(wù)器進(jìn)程中完全一致從網(wǎng)絡(luò)獲取Queue，進(jìn)行本地化，從task隊(duì)列獲取任務(wù)，并且把結(jié)果寫(xiě)入result隊(duì)列
2.py
#coding:utf-8
import time
from multiprocessing.managers import BaseManager
# 創(chuàng)建類似的Manager:
class Manager(BaseManager):
pass
#使用QueueManager注冊(cè)獲取Queue的方法名稱
Manager.register('get_task_queue')
Manager.register('get_result_queue')
#連接到服務(wù)器:
server_addr = '127.0.0.1'
print('Connect to server %s...' % server_addr)
# 端口和驗(yàn)證口令注意保持與服務(wù)進(jìn)程設(shè)置的完全一致:
m = Manager(address=(server_addr, 8001), authkey='qiye')
# 從網(wǎng)絡(luò)連接:
m.connect()
#獲取Queue的對(duì)象:
task = m.get_task_queue()
result = m.get_result_queue()
#從task隊(duì)列取任務(wù),并把結(jié)果寫(xiě)入result隊(duì)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)
#結(jié)束:
print('worker exit.')任務(wù)進(jìn)程要通過(guò)網(wǎng)絡(luò)連接到服務(wù)進(jìn)程，所以要指定服務(wù)進(jìn)程的IP。
運(yùn)行結(jié)果如下：
獲取圖片地址,將地址傳到2.py。
接收1.py傳遞的地址，進(jìn)行圖片的下載，控制臺(tái)顯示爬取結(jié)果。
三、總結(jié)
本文基于Python基礎(chǔ)，Python的分布式進(jìn)程接口簡(jiǎn)單，封裝良好，適合需要把繁重任務(wù)分布到多臺(tái)機(jī)器的環(huán)境下。通過(guò)講解Queue的作用是用來(lái)傳遞任務(wù)和接收結(jié)果。
歡迎大家積極嘗試，有時(shí)候看到別人實(shí)現(xiàn)起來(lái)很簡(jiǎn)單，但是到自己動(dòng)手實(shí)現(xiàn)的時(shí)候，總會(huì)有各種各樣的問(wèn)題，切勿眼高手低，勤動(dòng)手，才可以理解的更加深刻。
