這篇文章帶給大家的內容是關於PHP中的SAPI是什麼？如何實現？ （圖文），有一定的參考價值，有需要的朋友可以參考一下，希望對你有幫助。
在Thread和Process中，應優選Process，因為Process更穩定，而且，Process可以分佈在多台機器上，而Thread最多只能分佈在同一台機器的多個CPU上。
Python的 multiprocessing 模組不但支援多進程， 其中 managers 子模組也支援把多進程分佈到多台機器上。一個服務進程可以作為調度者，將任務分佈到其他多個進程中，並依靠網路通訊。由於managers模組封裝很好，不必了解網路通訊的細節，就可以輕鬆地編寫分散式多進程程式。
透過managers模組把Queue透過網路暴露出去，就可以讓其他機器的進程存取Queue了。先看服務進程，服務進程負責啟動Queue，把Queue註冊到網路上，然後往Queue裡面寫入任務。
BaseManager： 提供了不同機器進程之間共享資料的一種方法;
(重要的点: ip:port)
# task_master.py
import random
from multiprocessing import freeze_support
from queue import Queue
from multiprocessing.managers import BaseManager
# 1. 创建需要的队列
# task_queue：发送任务的队列
# coding=utf-8
import random,time
from queue import Queue
from multiprocessing.managers import BaseManager
from multiprocessing import freeze_support
task_queue = Queue() # 发送任务的队列:
result_queue = Queue() # 接收结果的队列:
class QueueManager(BaseManager): # 从BaseManager继承的QueueManager:
pass
# windows下运行
def return_task_queue():
global task_queue
return task_queue # 返回发送任务队列
def return_result_queue ():
global result_queue
return result_queue # 返回接收结果队列
def test():
# 把两个Queue都注册到网络上, callable参数关联了Queue对象,它们用来进行进程间通信，交换对象
#QueueManager.register('get_task_queue', callable=lambda: task_queue)
#QueueManager.register('get_result_queue', callable=lambda: result_queue)
QueueManager.register('get_task_queue', callable=return_task_queue)
QueueManager.register('get_result_queue', callable=return_result_queue)
# 绑定端口4000, 设置验证码'sheenstar':
#manager = QueueManager(address=('', 4000), authkey=b'sheenstar')
# windows需要写ip地址
manager = QueueManager(address=('192.168.1.160', 4000), authkey=b'sheenstar')
manager.start() # 启动Queue:
# 获得通过网络访问的Queue对象:
task = manager.get_task_queue()
result = manager.get_result_queue()
for i in range(13): # 放几个任务进去:
n = random.randint(0, 10000)
print('Put task %d...' % n)
task.put(n)
# 从result队列读取结果:
print('Try get results...')
for i in range(13):
r = result.get(timeout=10)
print('Result: %s' % r)
# 关闭:
manager.shutdown()
print('master exit.')
if __name__=='__main__':
freeze_support()
print('start!')
test()運行程序，會等待執行結果10s，如果沒有worker端獲取任務，返回結果，程序將報錯誤。
當我們在一台機器上寫多進程程式時，建立的Queue 可以直接拿來用，但是，在分散式多進程環境下，新增任務到Queue不可以直接對原始的task_queue 進行操作，那樣就繞過了QueueManager 的封裝，必須透過manager.get_task_queue()取得的Queue 介面新增。
# coding=utf-8
import time, sys
from queue import Queue
from multiprocessing.managers import BaseManager
# 创建类似的QueueManager:
class QueueManager(BaseManager):
pass
# 由于这个QueueManager只从网络上获取Queue，所以注册时只提供名字:
QueueManager.register('get_task_queue')
QueueManager.register('get_result_queue')
# 连接到服务器，也就是运行task_master.py的机器:
server_addr = '192.168.1.160'
print('Connect to server %s...' % server_addr)
# 端口和验证码注意保持与task_master.py设置的完全一致:
m = QueueManager(address=(server_addr, 4000), authkey=b'sheenstar')
# 从网络连接:
try:
m.connect()
except:
print('请先启动task_master.py!')
#sys.exit("sorry, goodbye!");
# 获取Queue的对象:
task = m.get_task_queue()
result = m.get_result_queue()
# 从task队列取任务,并把结果写入result队列:
for i in range(13):
try:
n = task.get()
print('run task %d * %d...' % (n, n))
r = '%d * %d = %d' % (n, n, n*n)
time.sleep(1)
result.put(r)
except ConnectionResetError as e:
print("任务执行结束，自动断开连接")
# 处理结束:
print('worker exit.')使用命令列執行程序，結果更直覺
以上是python中分散式進程的詳細介紹（附範例）的詳細內容。更多資訊請關注PHP中文網其他相關文章！
