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，而且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，依靠网络通信，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过Queue通信的多进程程序在同一台机器上运行，

现在，由于处理任务的进程任务繁重，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。

怎么用分布式进程实现？

原有的Queue可以继续使用，但是，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。

我们先看服务进程，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：

# taskmanager.py

import queue
import random
from multiprocessing.managers import BaseManager

task_queue = queue.Queue()
result_queue = queue.Queue()

def return_task_queue():
    global task_queue
    return task_queue

def return_result_queue():
    global result_queue
    return result_queue

class QueueManager(BaseManager):
    pass

if __name__=='__main__':
    QueueManager.register('get_task_queue', callable=return_task_queue)
    QueueManager.register('get_result_queue', callable=return_result_queue)
 
    manager = QueueManager(address=('127.0.0.1', 5000), authkey=b'abc')
    manager.start()
 
    task = manager.get_task_queue()
    result = manager.get_result_queue()
    for i in range(10):
        n = random.randint(0, 10000)
        print('Put task %d' % n)
        task.put(n)

    print()
    print('Try get results..')
    for i in range(11):
        try:
            r = result.get(timeout=10)
            print('result: %s' % r)
        except queue.Empty:
            print('result queue is empty.')
 
    manager.shutdown()

    print('master exit.')

当我们在一台机器上写多进程程序时，创建的Queue可以直接拿来用，

但是，在分布式多进程环境下，添加任务到Queue不可以直接对原始的task_queue进行操作，

否则就绕过了QueueManager的封装，必须通过manager.get_task_queue()获得的Queue接口添加。

然后，在另一台机器上启动任务进程（本机上启动也可以）：

# taskworker.py

import time, 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taskmanager.py的机器:
server_addr = '127.0.0.1'
print('Connect to server %s...' % server_addr)
# 端口和验证码注意保持与taskmanager.py设置的完全一致:
m = QueueManager(address=(server_addr, 5000), authkey=b'abc')
# 从网络连接:
m.connect()
# 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(11):
    try:
        n = task.get(timeout=1)
        print('run task %d * %d...' % (n, n))
        r = '%d * %d = %d' % (n, n, n*n)
        time.sleep(1)
        result.put(r)
    except queue.Empty:
        print('task queue is empty.')
# 处理结束:

print('worker exit.')

任务进程要通过网络连接到服务进程，所以要指定服务进程的IP。

小结

Python的分布式进程接口简单，封装良好，适合把繁重任务分布到多台机器的环境下。

注意Queue的作用是用来传递任务和接收结果，每个任务的描述数据量要尽量小。

比如发送一个处理日志文件的任务，就不要发送几百兆的日志文件本身，

而是发送日志文件存放的完整路径，由Worker进程再去共享的磁盘上读取文件。

另：

既然新封装的类QueueManager，什么都没有改动，所以，

可以直接用父类BaseManager岂不直接。

# taskmanager2.py

import queue
import random
from multiprocessing.managers import BaseManager

task_queue = queue.Queue()
result_queue = queue.Queue()

def return_task_queue():
    global task_queue
    return task_queue

def return_result_queue():
    global result_queue
    return result_queue

if __name__=='__main__':
    BaseManager.register('get_task_queue', callable=return_task_queue)
    BaseManager.register('get_result_queue', callable=return_result_queue)
 
    manager = BaseManager(address=('127.0.0.1', 5000), authkey=b'abc')
    manager.start()
 
    task = manager.get_task_queue()
    result = manager.get_result_queue()
    for i in range(10):
        n = random.randint(0, 10000)
        print('Put task %d' % n)
        task.put(n)
    print()
    print('Try get results..')
    for i in range(11):
        try:
            r = result.get(timeout=10)
            print('result: %s' % r)
        except queue.Empty:
            print('result queue is empty.')
 
    manager.shutdown()
    print('master exit.')

# taskworker2.py

import time, queue
from multiprocessing.managers import BaseManager

# 由于这个QueueManager只从网络上获取Queue，所以注册时只提供名字:
BaseManager.register('get_task_queue')
BaseManager.register('get_result_queue')
 
# 连接到服务器，也就是运行taskmanager.py的机器:
server_addr = '127.0.0.1'
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 = BaseManager(address=(server_addr, 5000), authkey=b'abc')
# 从网络连接:
m.connect()
# 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(11):
    try:
        n = task.get(timeout=1)
        print('run task %d * %d...' % (n, n))
        r = '%d * %d = %d' % (n, n, n*n)
        time.sleep(1)
        result.put(r)
    except queue.Empty:
        print('task queue is empty.')
# 处理结束:
print('worker exit.')