python rpyc 多进程

### 使用RPyC实现多进程通信与管理

#### 创建基本的服务端和客户端连接
为了使多个进程之间能够相互通信，首先需要建立一个基础的RPyC服务器。这可以通过继承`rpyc.Service`类并重写其方法来完成。

import rpyc
from threading import Thread

class MyService(rpyc.Service):
    def exposed_get_answer(self, name):  # 定义暴露给客户端的方法
        return f"Hello {name}"

if __name__ == "__main__":
    from rpyc.utils.server import ThreadedServer
    
    t = ThreadedServer(MyService, port=18861)
    thread = Thread(target=t.start)
    thread.daemon = True
    thread.start()

这段代码设置了一个简单的服务端程序[^2]，其中包含了名为`exposed_get_answer`的方法供外部访问。这里使用了线程化的服务器(`ThreadedServer`)以便支持并发请求；对于更复杂的场景可能还需要考虑其他类型的服务器配置选项。

#### 处理多进程环境下的交互
当涉及到跨进程的操作时，可以借助于Python的标准库中的`multiprocessing`模块来启动新的子进程，并在这些进程中初始化各自的RPyC客户端实例来进行远程调用：

import multiprocessing as mp
import rpyc

def worker(conn_info):
    conn = rpyc.connect(**conn_info)  # 连接到远端服务
    result = conn.root.get_answer(mp.current_process().name)
    print(result)

server_address = ("localhost", 18861)

processes = []
for i in range(5):
    p = mp.Process(
        target=worker,
        args=({"host": server_address[0], "port": server_address[1]}, )
    )
    processes.append(p)
    p.start()

for p in processes:
    p.join()  # 等待所有子进程结束

上述脚本展示了如何在一个主控进程中创建五个工作子进程，每个子进程都会尝试连接到之前设定的服务端地址，并调用那里的公开函数获取返回值[^3]。注意这里的`mp.current_process()`用于获得当前正在运行的工作单元的信息，在实际部署环境中应当替换为具体的标识符传递机制。

#### 结合多进程特性的高级特性
除了基本的消息交换外，还可以进一步探索诸如共享状态、事件通知等更为复杂的功能。例如，通过引入队列或其他形式的数据结构可以在不同节点间同步某些特定的状态变化或触发条件反射式的响应行为。