Python如何快速实现分布式任务？

本文和大家分享的主要是使用python实现分布式任务相关内容，一起来看看吧，希望对大家有所帮助。

　　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 BaseManagerimport 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 BaseManagerfrom 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。

原文链接：http://www.apkbus.com/blog-907513-68230.html