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实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

Java堆转储文件之1.6G大文件处理完整指南

《Java堆转储文件之1.6G大文件处理完整指南》堆转储文件是优化、分析内存消耗的重要工具,:本文主要介绍Java堆转储文件之1.6G大文件处理的相关资料,文中通过代码介绍的非常详细,需要的朋友可... 目录前言文件为什么这么大?如何处理这个文件?分析文件内容(推荐)删除文件(如果不需要)查看错误来源如何避

Python自动化批量重命名与整理文件系统

《Python自动化批量重命名与整理文件系统》这篇文章主要为大家详细介绍了如何使用Python实现一个强大的文件批量重命名与整理工具,帮助开发者自动化这一繁琐过程,有需要的小伙伴可以了解下... 目录简介环境准备项目功能概述代码详细解析1. 导入必要的库2. 配置参数设置3. 创建日志系统4. 安全文件名处

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

Java docx4j高效处理Word文档的实战指南

《Javadocx4j高效处理Word文档的实战指南》对于需要在Java应用程序中生成、修改或处理Word文档的开发者来说,docx4j是一个强大而专业的选择,下面我们就来看看docx4j的具体使用... 目录引言一、环境准备与基础配置1.1 Maven依赖配置1.2 初始化测试类二、增强版文档操作示例2.