本篇文章给大家带来的内容是关于php中的sapi是什么？如何实现？（图文），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。
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。
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。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。
BaseManager： 提供了不同机器进程之间共享数据的一种方法;
立即学习“Python免费学习笔记（深入）”；
(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()运行程序，会等待执行结果10s，如果没有worker端获取任务，返回结果，程序将报错。
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，那样就绕过了QueueManager 的封装，必须通过manager.get_task_queue()获得的 Queue 接口添加。
# 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.')使用命令行运行程序，结果更直观
