Python3实现多进程分布式计算入门示例

沈知远

发布时间：2026-10-13 | 2人浏览过

原创

本文介绍利用Python的multiprocessing模块中的managers子模块，实现多进程分布到多台机器上的分布式计算。通过Master服务端暴露Queue，Worker端连接获取任务并返回结果，封装了网络细节，便于编写分布式多进程程序。

近期跟随廖雪峰老师的课程学习Python，其中关于分布式进程的小案例非常有趣，特此记录。

分布式进程

Python的multiprocessing模块不仅支持多进程，其managers子模块还能将多进程分布到多台机器上。一个服务进程充当调度者，通过网络通信将任务分发到其他多个进程中。由于managers模块封装良好，开发者无需深入了解网络通信细节，即可轻松编写分布式多进程程序。

Master服务端原理：通过managers模块将Queue暴露到网络，其他机器上的进程即可访问该Queue。服务进程负责启动Queue，将其注册到网络，并向Queue中写入任务，具体代码如下：

#task_master.py
#coding=utf-8

#多进程分布式例子
#服务器端

from multiprocessing.managers import BaseManager
from multiprocessing import freeze_support #server启动报错，提示需要引用此包
import random,time,queue

#发送任务的队列
task_queue = queue.Queue()
#接收结果的队列
result_queue = queue.Queue()

#从BaseManager继承的QueueManager
class QueueManager(BaseManager):
  pass
#win7 64 貌似不支持callable下调用匿名函数lambda，这里封装一下
def return_task_queue():
  global task_queue
  return task_queue
def return_result_queue():
  global result_queue
  return result_queue

def test():
  #把两个Queue注册到网络上，callable参数关联了Queue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5000，设置验证码‘abc'
  manager = QueueManager(address=('127.0.0.1',5000),authkey=b'abc')#这里必须加上本地默认ip地址127.0.0.1
  #启动Queue
  manager.start()
  #server = manager.get_server()
  #server.serve_forever()
  print('start server master')
  #获得通过网络访问的Queue对象
  task = manager.get_task_queue()
  result = manager.get_result_queue()
  #放几个任务进去
  for i in range(10):
    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(10):
    r = result.get(timeout=10)
    print('result:%s' % r)

  #关闭
  manager.shutdown()
  print('master exit')

if __name__ == '__main__':
  freeze_support()
  test()

运行截图如下：

在分布式多进程环境下，向Queue添加任务时不能直接操作原始的task_queue，因为这会绕过QueueManager的封装。必须通过manager.get_task_queue()获取的Queue接口来添加任务。

任务进程（Worker）代码如下：

#task_worker.py
#coding=utf-8

#多进程分布式例子
#非服务端：worker

import time,sys,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即可
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 = '127.0.0.1'
print('connect to server %s...'% server_addr)
#端口和验证码注意要保持完全一致
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队列获取任务，并把结果写入result队列
for i in range(10):
  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')
#处理结果
print('worker exit')

运行截图如下：