具有队列管理和redis特性的多进程装饰器
pytchfork的Python项目详细描述
#pytchfork[！[PYPI版本]（https://badge.fury.io/py/pytchfork.svg）（https://badge.fury.io/py/pytchfork）[！[构建状态]（https://travis-ci.org/shaunvxc/pytchfork.svg？branch=master）（https://travis-ci.org/shaunvxc/pytchfork）[！[覆盖状态]（https://coveralls.io/repos/shaunvxc/pytchfork/badge.svg？branch=master&service=github）（https://coveralls.io/github/shaunvxc/pytchfork）
从多处理导入队列导入pytchfork
@pytchfork（3）
def do-work（queue）：
data=queue.get（）
process（data）
queue=queue（）
…
do-work（queue）\n此调用将派生3个进程
`````
pytchfork还可以管理工作进程的队列。只需提供对decorator的必要引用，
它将负责轮询队列并将数据传递给工作线程。
``python
from pytchfork import pytchfork
from multiprocessing import queue
@pytchfork（3，read_from=work廑queue，write廑to=done廑queue，sentinel=“done”）
def process_data（data）：
processed_data=do_something（data）
返回processed_data
process_data（）；此调用将从工作队列读取3个进程&；写入完成队列。
````
为此，只需将“redis-uri”和“redis-port”传递给pytchfork decorator（除字符串值之外，redis还将用于键控“work-queue”和“done-queue”）。
`` python
从pytchfork导入pytchfork
@pytchfork（2，从'work''queue'读取，写入'done''u queue'，redis''localhost'，redis''u port=6379）
def process''u data（data）：
processed''u data=do''u something（data）
return processed''u data
process'.在上面的代码片段中，这些进程将作为守护进程连续运行。对于具有固定数量的输入数据的较小任务，这可能不是理想的。
BR/>为了使进程在完成时退出，将“哨兵”参数传递给装饰器。要使此工作正常，redis-work-queue必须清楚地用sentinel的“N”个出现标记结尾，其中“N”是所需的进程数
`` python
对于范围（0，num_procs）：
redis_client.lpush（“工作队列”，sentinel）
redis_port=port）
def process_data（data）：
processed_data=do_something（data）
返回processed_data
process_data（）；这将分叉2个读/写到redis的进程。每个进程在从ReISIS工作队列中删除一个前哨值时，
退出，以进一步参考这一点，参见'Test/TestJoanCaltual.Py’.Br/>< Br/>上下文管理器> BR/>。您还可以使用上下文管理器来获得多处理池对象，而不必管理该对象。池的生命周期。即：
`` python
从pytchfork导入pytchfork
…
使用pytchwork（num_procs）as forked:
res=forked.map_async（process_data，data，callback=callback）
`````
此构造确保在块中的代码完成时关闭、联接和终止工作进程
分叉（https://github.com/shaunvxc/pytchfork/fork）
1.创建功能分支（`git checkout-b new feature`）
1提交更改（`git commit-am'add some feature`）
1。运行测试（`make test`）
1。将更改推送到分支（`git push origin new feature`）
1。创建拉取请求
从多处理导入队列导入pytchfork
@pytchfork（3）
def do-work（queue）：
data=queue.get（）
process（data）
queue=queue（）
…
do-work（queue）\n此调用将派生3个进程
`````
pytchfork还可以管理工作进程的队列。只需提供对decorator的必要引用，
它将负责轮询队列并将数据传递给工作线程。
``python
from pytchfork import pytchfork
from multiprocessing import queue
@pytchfork（3，read_from=work廑queue，write廑to=done廑queue，sentinel=“done”）
def process_data（data）：
processed_data=do_something（data）
返回processed_data
process_data（）；此调用将从工作队列读取3个进程&；写入完成队列。
````
为此，只需将“redis-uri”和“redis-port”传递给pytchfork decorator（除字符串值之外，redis还将用于键控“work-queue”和“done-queue”）。
`` python
从pytchfork导入pytchfork
@pytchfork（2，从'work''queue'读取，写入'done''u queue'，redis''localhost'，redis''u port=6379）
def process''u data（data）：
processed''u data=do''u something（data）
return processed''u data
process'.在上面的代码片段中，这些进程将作为守护进程连续运行。对于具有固定数量的输入数据的较小任务，这可能不是理想的。
BR/>为了使进程在完成时退出，将“哨兵”参数传递给装饰器。要使此工作正常，redis-work-queue必须清楚地用sentinel的“N”个出现标记结尾，其中“N”是所需的进程数
`` python
对于范围（0，num_procs）：
redis_client.lpush（“工作队列”，sentinel）
redis_port=port）
def process_data（data）：
processed_data=do_something（data）
返回processed_data
process_data（）；这将分叉2个读/写到redis的进程。每个进程在从ReISIS工作队列中删除一个前哨值时，
退出，以进一步参考这一点，参见'Test/TestJoanCaltual.Py’.Br/>< Br/>上下文管理器> BR/>。您还可以使用上下文管理器来获得多处理池对象，而不必管理该对象。池的生命周期。即：
`` python
从pytchfork导入pytchfork
…
使用pytchwork（num_procs）as forked:
res=forked.map_async（process_data，data，callback=callback）
`````
此构造确保在块中的代码完成时关闭、联接和终止工作进程
分叉（https://github.com/shaunvxc/pytchfork/fork）
1.创建功能分支（`git checkout-b new feature`）
1提交更改（`git commit-am'add some feature`）
1。运行测试（`make test`）
1。将更改推送到分支（`git push origin new feature`）
1。创建拉取请求
欢迎加入QQ群-->： 979659372
