这是一种无需更改
worker功能即可执行此 *** 作的方法。需要两个步骤:
- 使用
maxtasksperchild
您可以传递的选项multiprocessing.Pool
来确保每次执行任务后重新启动池中的工作进程。 - 将现有的辅助函数包装在另一个函数中,该函数将调用
worker
守护程序线程,然后等待该线程的结果timeout
数秒钟。使用守护程序线程很重要,因为进程在退出之前不会等待守护程序线程完成。
如果超时到期,则退出(或中止-
由您决定)包装函数,该函数将终止任务,并且由于已设置
maxtasksperchild=1,导致
Pool终止工作进程并启动一个新的进程。这将意味着从事实际工作的后台线程也被中止,因为它是一个守护程序线程,并且正在运行的进程已关闭。
import multiprocessingfrom multiprocessing.dummy import Pool as ThreadPoolfrom functools import partialdef worker(x, y, z): pass # Do whatever heredef collectMyResult(result): print("Got result {}".format(result))def abortable_worker(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. return out except multiprocessing.TimeoutError: print("Aborting due to timeout") raiseif __name__ == "__main__": pool = multiprocessing.Pool(maxtasksperchild=1) featureClass = [[1000,k,1] for k in range(start,end,step)] #list of arguments for f in featureClass: abortable_func = partial(abortable_worker, worker, timeout=3) pool.apply_async(abortable_func, args=f,callback=collectMyResult) pool.close() pool.join()
超时将引发的任何功能
multiprocessing.TimeoutError。请注意,这意味着超时时不会执行您的回调。如果这是不可接受的,则只需更改的
except块
abortable_worker以返回某些内容,而不是调用
raise。
还请记住
Pool,由于增加的开销,在每次执行任务后重新启动工作进程将对的性能产生负面影响。您应该针对您的用例进行衡量,并考虑是否值得进行折中以具有中止工作的能力。如果有问题,则可能需要尝试另一种方法,例如,
worker如果运行时间过长,请合作中断,而不是尝试从外部终止它。关于SO的很多问题都涉及此主题。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)