這樣可以把Master放在一臺電腦上，Workers放在其他電腦上實現分布式進程。

#taskmanager.py

!/usr/bin/env python
import random, time, Queue
from multiprocessing.managers import BaseManager
task_queue = Queue.Queue()
result_queue = Queue.Queue()
class QueueManager(BaseManager):
    pass
QueueManager.register('get_task_queue', callable=lambda: task_queue)
QueueManager.register('get_result_queue', callable=lambda: result_queue)
manager = QueueManager(address=('', 5000), authkey='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('Try get results...')
 
for i in range(10):
    r = result.get(timeout=10)
    print('Result: %s' %r)
manager.shutdown()</pre> 
task_queue和result_queue是兩個隊列，分別存放任務和結果。它們用來進行進程間通信，交換對象。 

官網上有如下例子。 

from multiprocessing import Process, Queuedef f(queue):
    queue.put([42, None, 'hello'])
    
if __name__ == '__main__':
    q = Queue()
    p = Process(target=f, args=(q,))
    p.start()
    print q.get()    # prints "[42, None, 'hello']"
    p.join()
 
其中p是一個進程，還有一個主進程的隊列q。列表[42, None, 'hello']從p進程傳到了主進程中。 

因為是分布式的環境，放入queue中的數據需要等待Workers機器運算處理后再進行讀取，這樣就需要對queue用QueueManager進行封裝放到網絡中。這是通過 

QueueManager.register('get_task_queue', callable=lambda: task_queue)
 
實現的。我們給task_queue的網絡調用接口取了一個名字get_task_queue,而result_queue的名字是get_result_queue，方便區分對哪個queue進行操作。 

task.put(n)即是對task_queue進行寫入數據，相當于分配任務。而result.get()即是等待workers處理后返回的結果。 

下面是Workers的代碼。 

#task_worker.py

!/usr/bin/env python
import time, sys, Queue
from multiprocessing.managers import BaseManager
class QueueManager(BaseManager):
    pass
QueueManager.register('get_task_queue')
QueueManager.register('get_result_queue')
server_addr = '127.0.0.1'
print('Connect to server %s...' % server_addr)
m = QueueManager(address=(server_addr, 5000), authkey='abc')
m.connect()
task = m.get_task_queue()
result = m.get_result_queue()
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.')
print('worker exit.')</pre> 
task_worker這里的QueueManager注冊的名字必須和task_manager中的一樣。注意到taskworker.py中根本沒有創建Queue的代碼，所以，Queue對象存儲在taskmanager.py進程中。對比上面的例子，可以看出Queue對象從另一個進程通過網絡傳遞了過來。只不過這里的傳遞和網絡通信由QueueManager完成。 

task_worker的主要功能是將task_queue中分配的數據取出來進行平方運算然后放入到result_queue中。這樣task_manager就能得到計算結果了。 

結果如下： 


 

 




References 

[1].http://blog.csdn.net/fireroll/article/details/38895485 

[2].http://www.jb51.net/article/58004.htm 

[3].https://docs.python.org/3/library/multiprocessing.html?highlight=queuemanager 
</div>
來自：http://my.oschina.net/lvyi/blog/383074