python 进程池，每个进程都超时，而不是所有池答案

【问题标题】：python process pool with timeout on each process not all of the poolpython 进程池，每个进程都超时，而不是所有池
【发布时间】：2015-07-06 20:35:16
【问题描述】：

我需要运行多个进程，但不是一起运行，例如同时运行 4 个进程。 multiprocessing.Pool 正是我所需要的。但问题是，如果进程持续时间超过超时（例如 3 秒），我需要终止进程。 Pool 只支持等待所有进程的超时，而不是每个进程。这就是我需要的：

def f():
    process_but_kill_if_it_takes_more_than_3_sec()
pool.map(f, inputs)

我找不到一个简单的方法来使用 Pool 超时。有来自 Eli Bendersky 的a solution。这是一个通过Thread.join(timeout) 限制任意函数执行时间的函数。它有效，（尽管它的停止方法效果不佳）。但是这个方法在进程的主线程等待时运行了一个新的不必要的线程，因为我们需要一个超时控制器。应该可以从一个点控制所有超时，如下所示：

import time
from multiprocessing import Process


def f(n):
    time.sleep(n)

timeout = 3
tasks = [1, 2, 4, 1, 8, 2]

procs = []
pool_len = 4
while len(tasks) > 0 or len(procs) > 0:
    if len(tasks) > 0 and len(procs) < pool_len:
        n = tasks.pop(0)
        p = Process(target=f, args=(n,))
        p.start()
        procs.append({'n': n, 'p': p, 't': time.time() + timeout})
    for d in procs:
        if not d['p'].is_alive():
            procs.remove(d)
            print '%s finished' % d['n']
        elif d['t'] < time.time():
            d['p'].terminate()
            procs.remove(d)
            print '%s killed' % d['n']
    time.sleep(0.05)

输出应该是：

1 finished
1 finished
2 finished
4 killed
2 finished
8 killed

问题：有没有办法使用 Pool 来解决这个问题？

【问题讨论】：

标签： python timeout multiprocessing pool

【解决方案1】：

您可以使 f(n) 合作，以便它始终在超时内完成（如在 GUI/网络事件处理程序中）。

如果你不能让它合作，那么唯一可靠的选择是杀死正在运行该函数的进程：

import multiprocessing as mp

def run_with_timeout(timeout, func, *args):
    receive_end, send_end = mp.Pipe(duplex=False)
    p = mp.Process(target=func, args=args, kwargs=dict(send_end=send_end))
    p.daemon = True
    p.start()
    send_end.close() # child must be the only one with it opened
    p.join(timeout)
    if p.is_alive():
        ####debug('%s timeout', args)
        p.terminate()
    else:
        return receive_end.recv()  # get value from the child

缺点是每次函数调用都需要一个新进程（maxtasksperchild=1Pool 的类比）。

使用线程池很容易同时运行4个进程：

#!/usr/bin/env python
import logging
import time
from functools import partial
from multiprocessing.pool import ThreadPool

debug = logging.getLogger(__name__).debug

def run_mp(n, send_end):
    start = time.time()
    debug('%d starting', n)
    try:
        time.sleep(n)
    except Exception as e:
        debug('%d error %s', n, e)
    finally:
        debug('%d done, elapsed: %.3f', n, time.time() - start)
    send_end.send({n: n*n})

if __name__=="__main__":
    tasks = [1, 2, 4, 1, 8, 2]

    logging.basicConfig(format="%(relativeCreated)04d %(message)s", level=logging.DEBUG)
    print(ThreadPool(processes=4).map(partial(run_with_timeout, 3, run_mp), tasks))

输出

0027 1 starting
0028 2 starting
0030 4 starting
0031 1 starting
1029 1 done, elapsed: 1.002
1032 1 done, elapsed: 1.002
1033 8 starting
1036 2 starting
2031 2 done, elapsed: 2.003
3029 (4,) timeout
3038 2 done, elapsed: 2.003
4035 (8,) timeout
[{1: 1}, {2: 4}, None, {1: 1}, None, {2: 4}]

注意：可能有forking + threading issues；您可以使用 fork-server 进程来解决它们。

【讨论】：