Question

我理解使用subprocess是调用外部命令的首选方式。

但是如果我想在parall中运行几个命令，但是限制生成的进程数呢？困扰我的是我无法阻止子进程。例如，如果我打电话

subprocess.Popen(cmd, stderr=outputfile, stdout=outputfile)

然后该过程将继续，而不等待cmd完成。因此，我无法将其包装在multiprocessing库的工作人员中。

例如，如果我这样做：

def worker(cmd): 
    subprocess.Popen(cmd, stderr=outputfile, stdout=outputfile);

pool = Pool( processes = 10 );
results =[pool.apply_async(worker, [cmd]) for cmd in cmd_list];
ans = [res.get() for res in results];

然后每个工人将在产生子流程后完成并返回。因此，我无法使用subprocess来限制Pool生成的进程数。

限制子流程数量的正确方法是什么？

Answer 1

您不需要多个Python进程甚至线程来限制并行子进程的最大数量：

from itertools import izip_longest
from subprocess import Popen, STDOUT

groups = [(Popen(cmd, stdout=outputfile, stderr=STDOUT)
          for cmd in commands)] * limit # itertools' grouper recipe
for processes in izip_longest(*groups): # run len(processes) == limit at a time
    for p in filter(None, processes):
        p.wait()

请参阅Iterate an iterator by chunks (of n) in Python?

如果您想限制并行子进程的最大和最小数量，可以使用线程池：

from multiprocessing.pool import ThreadPool
from subprocess import STDOUT, call

def run(cmd):
    return cmd, call(cmd, stdout=outputfile, stderr=STDOUT)

for cmd, rc in ThreadPool(limit).imap_unordered(run, commands):
    if rc != 0:
        print('{cmd} failed with exit status: {rc}'.format(**vars()))

只要limit个子进程中的任何一个结束，就会启动一个新的子进程以始终保持limit个子进程数。

或使用ThreadPoolExecutor：

from concurrent.futures import ThreadPoolExecutor # pip install futures
from subprocess import STDOUT, call

with ThreadPoolExecutor(max_workers=limit) as executor:
    for cmd in commands:
        executor.submit(call, cmd, stdout=outputfile, stderr=STDOUT)

这是一个简单的线程池实现：

import subprocess
from threading import Thread

try: from queue import Queue
except ImportError:
    from Queue import Queue # Python 2.x


def worker(queue):
    for cmd in iter(queue.get, None):
        subprocess.check_call(cmd, stdout=outputfile, stderr=subprocess.STDOUT)

q = Queue()
threads = [Thread(target=worker, args=(q,)) for _ in range(limit)]
for t in threads: # start workers
    t.daemon = True
    t.start()

for cmd in commands:  # feed commands to threads
    q.put_nowait(cmd)

for _ in threads: q.put(None) # signal no more commands
for t in threads: t.join()    # wait for completion

为避免过早退出，请添加异常处理。

如果要捕获字符串中的子进程输出，请参阅Python: execute cat subprocess in parallel。

Answer 2

如果要等待命令完成，可以使用subprocess.call。有关详细信息，请参阅pydoc subprocess。

您也可以在工作人员中调用Popen.wait方法：

def worker(cmd): 
    p = subprocess.Popen(cmd, stderr=outputfile, stdout=outputfile);
    p.wait()

使用在python中调用外部命令来控制子进程的数量

2 个答案: