Question

我写了一个简单的脚本，它使用线程从服务中检索数据。

    __author__ = 'Igor'
import requests
import time
from multiprocessing.dummy import Pool as ThreadPool

ip_list = []
good_ip_list = []
bad_ip_list = []
progress = 0

with open('/tmp/ip.txt') as f:
    ip_list = f.read().split()

def process_request(ip):
    global progress
    progress += 1
    if progress % 10000 == 0:
        print 'Processed ip:', progress, '...'
    r = requests.get('http://*****/?ip='+ip, timeout=None)
    if r.status_code == 200:
        good_ip_list.append(ip)
    elif r.status_code == 400:
        bad_ip_list.append(ip)
    else:
        print 'Unknown http code received, aborting'
        exit(1)

pool = ThreadPool(16)
try:
    pool.map(process_request, ip_list)
except:
    for name, ip_list in (('/tmp/out_good.txt', good_ip_list),     ('/tmp/out_bad.txt', bad_ip_list)):
        with open(name, 'w') as f:
            for ip in ip_list:
                print>>f, ip

但在处理了一些请求（40k-50k）后，我收到了：

线程Thread-7中的异常（很可能在解释器关闭期间引发）： Traceback（最近一次调用最后一次）：处理以退出代码0结束

尝试更改服务设置：

        <timeout>999</timeout>
        <connectionlimit>600</connectionlimit>
        <httpthreads>32</httpthreads>
        <workerthreads>128</workerthreads>

但仍然是同样的错误。任何人都可以帮助我 - 出了什么问题？

Answer 1

感谢所有帮助我解决这个问题的人。重写了整个代码，现在它完美无缺：

__author__ = 'kulakov'
import requests
import time
from multiprocessing.dummy import Pool as ThreadPool

ip_list = []
good_ip_list = []
bad_ip_list = []

with open('/tmp/ip.txt') as f:
    ip_list = f.read().split()

s = requests.Session()
def process_request(ip):
    r = s.get('http://*****/?ip='+ip, timeout=None)
    if r.status_code == 200:
        # good_ip_list.append(ip)
        return (ip, True)
    elif r.status_code == 400:
        # bad_ip_list.append(ip)
        return (ip, False)
    else:
        print 'Unknown http code received, aborting'
        exit(1)

pool = ThreadPool(16)
for ip, isOk in pool.imap(process_request, ip_list):
    if isOk:
        good_ip_list.append(ip)
    else:
        bad_ip_list.append(ip)
pool.close()
pool.join()

for name, ip_list in (('/tmp/out_good.txt', good_ip_list),    ('/tmp/out_bad.txt', bad_ip_list)):
    with open(name, 'w') as f:
        for ip in ip_list:
            print>>f, ip

一些新的有用信息：

1）在函数process_request中的不同线程中写入数据真是个坏主意，现在它返回语句（true \ false）和ip。

2）keep alive完全支持requests，但是如果要使用它，则必须创建对象Session的实例，并应用get仅限于它的方法：

s = requests.Session()
r = s.get('http://*****/?ip='+ip, timeout=None)

Answer 2

此：

good_ip_list = []
bad_ip_list = []

与Python多处理混合是不安全的。正确的方法是从每个调用process_request返回一个元组（或其他东西），然后在最后将它们连接起来。从多个进程同时修改progress也是不安全的。我不是肯定你的错误是什么，但我敢打赌，这是一个同步问题，它杀死了整个Python。

删除共享状态，然后重试。

得到异常错误“Thread-13线程中的异常（最有可能在解释器关闭期间引发）”

2 个答案: