python multiprocessing进程超时处理与进度条显示的平衡

本文主要是介绍python multiprocessing进程超时处理与进度条显示的平衡,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近写python项目,遇到几个多进程的问题

多进程情况下,如何显示总任务的运行进度

用的比较多的是tqdm库,使用非常方便,在有迭代的地方加上tqdm即可。

比如使用Pool.imap()执行任务时

from multiprocessing import Pool
with Pool(4) as p:res = list(tqdm(p.imap(function_name, params), total=len(params)))
p.close()
p.join()

或者通过for循环执行任务时

from multiprocessing import Pool
pool = Pool(processes=4)
for i  in tqdm(range(500)):pool.apply(test, args=(i,))   
pool.close()
pool.join()

我的项目中需要对大量的url进行请求和处理,所以经常会出现某个进程的请求长时间没有响应而被挂起的情况,导致tqdm经常会卡在99%或100%处无法结束。tqdm本身似乎也没有超时机制,所以在利用多进程处理爬虫这类需要进程等待结果的任务时,必须要添加子进程的超时机制。

多进程的超时处理

我研究了一下进程池超时处理的几个办法。比较主流的有以下几种:

  1. get获取多进程的返回值,获取超时则抛出异常
  2. 在需要执行的任务函数中添加计时器和时间,超时抛出异常
  3. 为每个任务进程添加守护进程,由守护进程计算执行的时间,如果超时则守护进程杀死任务进程

多进程超时与总进度条的显示

将多进程超时处理与进度条处理结合了一下

  • 方法一
    使用map_async处理任务,通过get超时判断进程超时。这个方法实现比较简单,但是运行起来非常的慢。
pool = Pool(processes=4)
for l in tqdm(links,total=1000): # total为links的总数r = pool.map_async(self.check,(l,))try:print(r.get(timeout=3)) # 设置子进程的响应超时为3sexcept multiprocessing.context.TimeoutError:pass
  • 方法二
    使用imap_unordered()执行任务,进程执行的结果会在进程执行完后就立刻返回,不像map()需要等待所有任务执行完一次性返回结果。这里可以通过next迭代获取该函数所有进程的下的返回值,当获取超时,则抛出超时异常。但是测试发现,如果进程返回超时,.next会重复获取超时进程的返回结果,重复抛出超时异常,而不是在抛出超时异常后执行下一个任务,也相当于是挂起状态了,并没有解决进程超时的问题。看了一下imap_unordered()的源代码,发现next的逻辑是在没有获取到数据之前,会一直重复请求直到取到数据为止。不知道是不是还有别的隐藏技能,总觉得这个逻辑设计的怪怪的。暂时也不知道怎么让.next只获取一次,获取失败就跳到下一个index,所以这个方案只能作罢。
with multiprocessing.Pool() as pool:it = pool.imap_unordered(self.check, links) #check为任务函数pbar = tqdm(total=len(links)) #提前设置任务总量while True:try:tmp = it.next(timeout=2)pbar.update()except multiprocessing.TimeoutError:print("link timeout: {}".format(tmp))continueexcept StopIteration:# signal that the iterator is exhausted# 如果所有的进程数据都获取完了,next会抛出该异常停止获取pbar.close()break
  • 方法二改进版
    方案二中,.next一直会卡在超时的index上不继续迭代,所以不会有StopIteration异常使while循环停止,陷入死循环。所以想到一个比较简单粗暴的办法,将.next获取返回值的次数(即循环次数)限制为数组长度,避免陷入死循环。
    按照该办法可以正常进行超时处理了,但是测试发现这个办法存在一个bug:如果循环中有一个进程没有响应,则该进程后的所有进程返回值都无法获取到,全部被该进程的超时取代。因为.next函数会坚持不懈地去请求获取这个超时进程的数据,导致其他进程的数据没办法获取。emmm…这个办法也只能作罢。

  • 方法三
    这个是看stackoverflow的大佬们提出的一个方案。建立一个守护进程池。由守护进程新建一个执行任务的进程,并监控执行进程的返回值,如果返回超时,则杀掉执行进程。这个是一圈下来的最佳方案,但是该方案与tqdm冲突,如果使用了tqdm,那么进程函数就不会执行(还没找到原因,哪位大佬知道的可以指点一下),所以需要自己另外写进度显示

# 执行函数
def check(self, url):headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0","Connection": "close"}try:res = requests.head(url, headers=headers)return url, res.status_codeexcept Exception as e:print(e)# 守护进程
def abortable_check(self, func, *args, **kwargs):timeout = kwargs.get('timeout', None)p = ThreadPool(1)res = p.apply_async(func, args=args)try:out = res.get(timeout)  # Wait timeout seconds for func to complete.# print(out)return outexcept multiprocessing.TimeoutError:print("{} timeout".format(args[0]))return (args[0], 444)# 回调函数
def collectMyResult(self, result):if result is not None and result[1] == 404:self.brokenlinks.append(result[0])if result is not None and result[1] == 444:self.timeout.append(result[0])self.count += 1 #全局变量统计任务执行进度print('\r进度:{}/{}'.format(self.count,self.linkslen), end ='')def main():pool = multiprocessing.Pool(maxtasksperchild=10)for l in links:a = [l]abortable_func = partial(self.abortable_check, self.check, timeout=5)pool.apply_async(abortable_func, args=a, callback=self.collectMyResult)

这篇关于python multiprocessing进程超时处理与进度条显示的平衡的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/752891

相关文章

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

一文详解Java异常处理你都了解哪些知识

《一文详解Java异常处理你都了解哪些知识》:本文主要介绍Java异常处理的相关资料,包括异常的分类、捕获和处理异常的语法、常见的异常类型以及自定义异常的实现,文中通过代码介绍的非常详细,需要的朋... 目录前言一、什么是异常二、异常的分类2.1 受检异常2.2 非受检异常三、异常处理的语法3.1 try-

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

Java Response返回值的最佳处理方案

《JavaResponse返回值的最佳处理方案》在开发Web应用程序时,我们经常需要通过HTTP请求从服务器获取响应数据,这些数据可以是JSON、XML、甚至是文件,本篇文章将详细解析Java中处理... 目录摘要概述核心问题:关键技术点:源码解析示例 1:使用HttpURLConnection获取Resp

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Python如何精准判断某个进程是否在运行

《Python如何精准判断某个进程是否在运行》这篇文章主要为大家详细介绍了Python如何精准判断某个进程是否在运行,本文为大家整理了3种方法并进行了对比,有需要的小伙伴可以跟随小编一起学习一下... 目录一、为什么需要判断进程是否存在二、方法1:用psutil库(推荐)三、方法2:用os.system调用

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取