Python - 动态收缩线程池/停止线程

Question

我正在编写一个小型多线程 http 文件下载器，并希望能够在代码遇到错误时缩小可用线程

这些错误将特定于在 Web 服务器不允许更多连接的情况下返回的 http 错误

例如。如果我设置了一个包含 5 个线程的池，则每个线程都试图打开它自己的连接并下载文件的一部分。服务器可能只允许 2 个连接，我相信会返回 503 错误，我想检测到这一点并关闭一个线程，最终将池的大小限制为可能只有服务器允许的 2 个

我可以让线程自行停止吗？

self.Thread_stop() 足够了吗？

我还需要 join() 吗？

这是我的工作类，负责下载，从队列中获取处理，下载后将结果转储到 resultQ 中，由主线程保存到文件中

在这里，我想检测 http 503 并从可用池中停止/杀死/删除一个线程 - 当然，将失败的块重新添加回队列，以便其余线程将处理它

class Downloader(threading.Thread):
    def __init__(self, queue, resultQ, file_name):
        threading.Thread.__init__(self)
        self.workQ = queue
        self.resultQ = resultQ
        self.file_name = file_name

    def run(self):
        while True:
            block_num, url, start, length = self.workQ.get()
            print 'Starting Queue #: %s' % block_num
            print start
            print length

            #Download the file
            self.download_file(url, start, length)

            #Tell queue that this task is done
            print 'Queue #: %s finished' % block_num
            self.workQ.task_done()


    def download_file(self, url, start, length):        

        request = urllib2.Request(url, None, headers)
        if length == 0:
            return None
        request.add_header('Range', 'bytes=%d-%d' % (start, start + length))

        while 1:
            try:
                data = urllib2.urlopen(request)
            except urllib2.URLError, u:
                print "Connection did not start with", u
            else:
                break

        chunk = ''
        block_size = 1024
        remaining_blocks = length

        while remaining_blocks > 0:

            if remaining_blocks >= block_size:
                fetch_size = block_size
            else:
                fetch_size = int(remaining_blocks)

            try:
                data_block = data.read(fetch_size)
                if len(data_block) == 0:
                    print "Connection: [TESTING]: 0 sized block" + \
                        " fetched."
                if len(data_block) != fetch_size:
                    print "Connection: len(data_block) != length" + \
                        ", but continuing anyway."
                    self.run()
                    return

            except socket.timeout, s:
                print "Connection timed out with", s
                self.run()
                return

            remaining_blocks -= fetch_size
            chunk += data_block

        resultQ.put([start, chunk])

下面是我初始化线程池的地方，再往下我将项目放入队列

# create a thread pool and give them a queue
for i in range(num_threads):
    t = Downloader(workQ, resultQ, file_name)
    t.setDaemon(True)
    t.start()

Answer 1

我可以让线程自行停止吗？

不要使用self._Thread__stop()。退出线程的run() 方法就足够了（您可以检查一个标志或从队列中读取一个标记值以了解何时退出）。

在这里，我想检测 http 503 并从可用池中停止/杀死/删除一个线程 - 当然，将失败的块重新添加回队列，以便其余线程将处理它

您可以通过分离职责来简化代码：

• download_file() 不应尝试在无限循环中重新连接。如果有错误；让我们调用download_file()的代码在必要时重新提交
• 关于并发连接数的控制可以封装在Semaphore对象中。在这种情况下，线程数可能与并发连接数不同

import concurrent.futures # on Python 2.x: pip install futures 
from threading import BoundedSemaphore

def download_file(args):
    nconcurrent.acquire(timeout=args['timeout']) # block if too many connections
    # ...
    nconcurrent.release() #NOTE: don't release it on exception,
                          #      allow the caller to handle it

# you can put it into a dictionary: server -> semaphore instead of the global
nconcurrent = BoundedSemaphore(5) # start with at most 5 concurrent connections
with concurrent.futures.ThreadPoolExecutor(max_workers=NUM_THREADS) as executor:
    future_to_args = dict((executor.submit(download_file, args), args)
                           for args in generate_initial_download_tasks())

    while future_to_args:
        for future in concurrent.futures.as_completed(dict(**future_to_args)):
            args = future_to_args.pop(future)
            try: 
                result = future.result()
            except Exception as e:
                print('%r generated an exception: %s' % (args, e))
                if getattr(e, 'code') != 503:
                   # don't decrease number of concurrent connections
                   nconcurrent.release() 
                # resubmit
                args['timeout'] *= 2                    
                future_to_args[executor.submit(download_file, args)] = args
            else: # successfully downloaded `args`
                print('f%r returned %r' % (args, result))

见ThreadPoolExecutor() example。

Answer 2

您应该使用线程池来控制线程的生命周期：

• http://www.inductiveload.com/posts/easy-thread-pools-in-python-with-threadpool/

然后当线程存在时，您可以向主线程（正在处理线程池）​​发送消息，然后更改线程池的大小，并将新请求或失败的请求推迟到您将清空的堆栈中。

tedelanay 关于您为线程提供的守护程序状态是绝对正确的。无需将它们设置为守护进程。

基本上，您可以简化代码，您可以执行以下操作：

import threadpool

def process_tasks():
    pool = threadpool.ThreadPool(4)

    requests = threadpool.makeRequests(download_file, arguments)

    for req in requests:
        pool.putRequest(req) 

    #wait for them to finish (or you could go and do something else)
    pool.wait()

if __name__ == '__main__': 
    process_tasks()

arguments 取决于您的策略。要么给你的线程一个队列作为参数，然后清空队列。或者您可以在 process_tasks 中处理队列，在池已满时阻塞，并在线程完成时打开一个新线程，但队列不为空。这完全取决于您的需求和下载器的上下文。

资源：

• http://chrisarndt.de/projects/threadpool/
• http://aspn.activestate.com/ASPN/Cookbook/Python/Recipe/203871
• http://aspn.activestate.com/ASPN/Cookbook/Python/Recipe/196618
• http://aspn.activestate.com/ASPN/Cookbook/Python/Recipe/302746
• http://lethain.com/using-threadpools-in-python/

Answer 3

一个 Thread 对象简单地通过从 run 方法返回来终止线程 - 它不调用 stop。如果您将线程设置为守护程序模式，则无需加入，否则主线程需要执行此操作。线程通常使用 resultq 报告它正在退出，而主线程使用该信息进行连接是很常见的。这有助于有序终止您的流程。如果 python 仍在处理多个线程并且最好避开它，那么在系统退出期间你可能会遇到奇怪的错误。