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文件下载程序，希望能够在代码遇到错误时收缩可用线程。

这些错误将特定于返回的http错误，其中web服务器不允许任何其他连接。

例如：如果我设置了一个由5个线程组成的池，那么每个线程都试图打开自己的连接并下载文件块。服务器可能只允许两个连接，我相信会返回503个错误，我希望检测到这个错误并关闭一个线程，最终将池的大小限制在服务器所允许的2。

我能让线停下来吗？

self.Thread_stop()是否足够？

我还需要加入()吗？

下面是我的worker类，它执行下载，从队列抓取到要处理的进程，下载后将结果转储到resultQ中，由主线程保存到文件中

在这里，我希望检测到一个http 503，并从可用池中停止/杀死/删除一个线程，当然，还可以将失败的块重新添加到队列中，这样剩下的线程就会处理它。

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])

下面是我插入线程池的位置，然后我将项放到队列中。

# 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

我能让线停下来吗？

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哨兵值以知道何时退出)。

在这里，我希望检测到一个http 503，并从可用池中停止/杀死/删除一个线程，当然，还可以将失败的块重新添加到队列中，这样剩下的线程就会处理它。

您可以通过分离职责来简化代码：

• download_file()不应该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它
• 有关并发连接数量的控件可以封装在Semaphore对象中。在这种情况下，线程数可能与并发连接的数目不同。

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 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，您可以向主线程发送一条消息(即处理线程池)，然后更改线程池的大小，并在堆栈中延迟新请求或失败请求，然后将其清空。

tedelanay对于给线程的守护进程状态是完全正确的。没有必要将它们设置为守护进程。

基本上，您可以简化代码，您可以这样做：

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在哪里取决于您的策略。要么给线程一个队列作为参数，然后清空队列。或者您可以在process_tasks中获得队列，在池已满时阻塞，并在线程完成时打开一个新线程，但队列不是空的。这都取决于您的需要和您的下载环境。

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

Thread对象仅通过从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进程模式，则不需要连接，但是主线程需要这样做。线程通常使用结果q报告其退出，而主线程则使用该信息来进行连接。这有助于有序地终止您的过程。如果python仍然在处理多个线程，那么在系统退出过程中可能会出现奇怪的错误。