热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python小demo01:线程池+多进程实现cpu密集型操作

起因:公司有一个小项目,大概逻辑如下:服务器A会不断向队列中push消息,消息主要内容是视频的地址,服务器B则

起因:

公司有一个小项目,大概逻辑如下:

  服务器A会不断向队列中push消息,消息主要内容是视频的地址,服务器B则需要不断从队列中pop消息,然后将该视频进行剪辑最终将剪辑后的视频保存到云服务器。个人主要实现B服务器逻辑。

实现思路:

  1 线程池+多进程

    要求点一:主进程要以daemon的方式运行。
    要求点二:利用线程池,设置最大同时运行的worker,每一个线程通过调用subprocess中的Popen来运行wget ffprobe ffmpeg等命令处理视频。

  2 消息队列采用redis的list实现

  3 主线程从队列中获取到消息后,从线程池中获取空闲从线程(在这里,非主线程统称为从线程,下同),从线程对该消息做一些逻辑上的处理后,然后生成进程对视频进行剪辑,最后上传视频。

    要求点三:为了让daemon能在收到signint信号时,处理完当前正在进行的worker后关闭,且不能浪费队列中的数据,需要让主进程在有空闲worker时才从队列中获取数据。

大概就是这样:

 

基本上主要资源耗费在视频下载以及视频处理上,且同时运行的worker(从线程)不会太多(一般cpu有几个就设置几个worker)。

上面一共有三个要求点,其中要求点二并不费事。所以忽略。

实现

要求点一实现:

# -*- coding: utf8 -*-
import os
import sys
import time
import signal
import traceback# from shadowsocks
def write_pid_file(pid_file, pid):import fcntlimport stattry:fd = os.open(pid_file, os.O_RDWR | os.O_CREAT,stat.S_IRUSR | stat.S_IWUSR)except OSError:traceback.print_exc()return -1flags = fcntl.fcntl(fd, fcntl.F_GETFD)assert flags != -1flags |= fcntl.FD_CLOEXECr = fcntl.fcntl(fd, fcntl.F_SETFD, flags)assert r != -1# There is no platform independent way to implement fcntl(fd, F_SETLK, &fl)# via fcntl.fcntl. So use lockf insteadtry:fcntl.lockf(fd, fcntl.LOCK_EX | fcntl.LOCK_NB, 0, 0, os.SEEK_SET)except IOError:r = os.read(fd, 32)if r:print('already started at pid %s' % (r))else:print('already started')os.close(fd)return -1os.ftruncate(fd, 0)os.write(fd, (str(pid)))return 0def freopen(f, mode, stream):oldf = open(f, mode)oldfd = oldf.fileno()newfd = stream.fileno()os.close(newfd)os.dup2(oldfd, newfd)def daemon_start(settings, main_process_handler):def handle_exit(signum, _):if signum == signal.SIGTERM:sys.exit(0)sys.exit(1)signal.signal(signal.SIGINT, handle_exit)signal.signal(signal.SIGTERM, handle_exit)pid = os.fork()assert pid != -1# Parentif pid:time.sleep(3)sys.exit(0)print("child has forked")# child signals its parent to exitppid = os.getppid()pid = os.getpid()if write_pid_file(settings.PID_FILE, pid) != 0:os.kill(ppid, signal.SIGINT)sys.exit(1)# set self to process-group-leader
os.setsid()signal.signal(signal.SIGHUP, signal.SIG_IGN)print('started')os.kill(ppid, signal.SIGTERM)# octal 022os.umask(18)sys.stdin.close()try:freopen(settings.DEBUG_LOG_PATH, 'a', sys.stdout)freopen(settings.DEBUG_LOG_PATH, 'a', sys.stderr)except IOError:print(traceback.print_exc())sys.exit(1)main_process_handler()def daemon_stop(pid_file):import errnotry:with open(pid_file) as f:pid = buf = f.read()if not buf:print('not running')except IOError as e:print(traceback.print_exc())if e.errno == errno.ENOENT:print("not running")# always exit 0 if we are sure daemon is not runningreturnsys.exit(1)pid = int(pid)if pid > 0:try:os.kill(pid, signal.SIGTERM)except OSError as e:if e.errno == errno.ESRCH:print('not running')# always exit 0 if we are sure daemon is not runningreturnprint(traceback.print_exc())sys.exit(1)else:print('pid is not positive: %d', pid)# sleep for maximum 300sfor i in range(0, 100):try:# query for the pid
os.kill(pid, 0)except OSError as e:# not found the processif e.errno == errno.ESRCH:breaktime.sleep(3)print("waiting for all threads finished....")else:print('timed out when stopping pid %d', pid)sys.exit(1)print('stopped')os.unlink(pid_file)def main():args = sys.argv[1:]assert len(args) == 2if args[0] not in ["stop", "start"]:print("only supported: [stop | start]")returnif args[1] not in ["dev", "local", "prod"]:print("only supported: [dev | local | prod]")from globals import set_settings, initialize_redisset_settings(args[1])initialize_redis()from globals import settingsimport entryif args[0] == "stop":print("stopping...")daemon_stop(settings.PID_FILE)elif args[0] == "start":print("starting...")daemon_start(settings, entry.run)main()

daemon.py

要求点三实现:

线程池,采用python的futures模块。该模块提供了线程池的机制。稍微说一下他的线程池实现原理吧,ThreadPoolExecutor该类实现了线程池:

  1 每个实例本身有个_work_queue属性,这是一个Queue对象,里面存储了任务。

  2 每当我们调用该对象的submit方法时,都会向其_work_queue中放入一个任务,同时生成从线程,直到从线程数达到max_worker所设定的值。

  3 该线程池实例中所有的从线程会不断的从_work_queue中获取任务,并执行。同时从线程的daemon属性被设置为True

# -*- coding: utf8 -*-
import json
import traceback
import signal
import sys
import time
from threading import Lock
from concurrent.futures import ThreadPoolExecutor
from .globals import settings, video_info_queuedef handler(data):# 业务逻辑
running_futures_count &#61; 0def run():global running_futures_countcount_lock &#61; Lock()pool &#61; ThreadPoolExecutor(max_workers&#61;settings.MAX_WORKER)try:def reduce_count(_):global running_futures_countwith count_lock:running_futures_count -&#61; 1def handle_exit(_, __):print("get SIGINT signal")pool.shutdown(False)while True:if running_futures_count &#61;&#61; 0:sys.exit(0)time.sleep(1)print("now running futures count is %s, please wait" % running_futures_count)def handle_data(data):global running_futures_countwith count_lock:running_futures_count &#43;&#61; 1future &#61; pool.submit(handler, data)future.add_done_callback(reduce_count)signal.signal(signal.SIGINT, handle_exit)signal.signal(signal.SIGTERM, handle_exit)while not pool._shutdown:print(len(pool._work_queue.queue), pool._shutdown)while not pool._shutdown and (len(pool._work_queue.queue) < pool._max_workers):data &#61; video_info_queue.bpop(20)if data:handle_data(data)else:data &#61; abnormal_video_info_queue.bpop(1)print("video_info_queue is empty, get data: %s from abnormal_video_info_queue" % data)if data:print("abnormal_video_info_queue")handle_data(data)time.sleep(5)print("now all the workers is busy, so wait and do not submit")finally:pool.shutdown(False)

entry.py

 

重点就是那嵌套的while循环。

踩坑&收获&#xff1a;

  1 python中只有主线程才能处理信号&#xff0c;如果使用线程中的join方法阻塞主线程&#xff0c;如果从线程运行时间过长可能会导致信号长时间无法处理。所以尽量设置从线程的daemon为True。

  2 Queue的底层是deque&#xff0c;而deque的底层是一个双端链表&#xff0c;为什么用双端链表而不用list&#xff1f;答案请在参考中找。

  3 学会了进程以daemon方式运行的实现方式&#xff1a;

    1 pid文件的来源

    2 进程以及进程组的概念

    3 信号的捕捉

    4 dup2函数以及fcntl函数

  4 进程使用Popen()创建时&#xff0c;如果用PIPE作为子进程(stdin stdout stderr)与父进程进行交互时&#xff0c;然后调用wait时&#xff0c;如果子进程的stdin stdout stderr中某个数据过多可能会导致主进程卡死。原因也在参考中找。

  5 sudo执行脚本时环境变量去哪了&#xff1f;答案请在参考中找

  6 python中的weakref模块很有用啊

参考&#xff1a;

  1 http://blog.sina.com.cn/s/blog_4da051a60102uyvg.html

  2 https://toutiao.io/posts/zr31ak/preview

  3 https://www.cnblogs.com/chybot/p/5176118.html

  4 https://stackoverflow.com/questions/5045771/python-how-to-prevent-subprocesses-from-receiving-ctrl-c-control-c-sigint

  5 http://siwind.iteye.com/blog/1753517

  6 https://www.jianshu.com/p/646d1d09fc53

  7 https://stackoverflow.com/questions/46598710/how-to-use-pipes-and-redirects-using-os-execv-if-possible

  8 http://xiaorui.cc/2017/02/22/%E4%B8%8D%E8%A6%81%E7%B2%97%E6%9A%B4%E7%9A%84%E9%94%80%E6%AF%81python%E7%BA%BF%E7%A8%8B/

  9 shadowsocks源码

 

  

 

转:https://www.cnblogs.com/MnCu8261/p/9859266.html



推荐阅读
  • QT框架中事件循环机制及事件分发类详解
    在QT框架中,QCoreApplication类作为事件循环的核心组件,为应用程序提供了基础的事件处理机制。该类继承自QObject,负责管理和调度各种事件,确保程序能够响应用户操作和其他系统事件。通过事件循环,QCoreApplication实现了高效的事件分发和处理,使得应用程序能够保持流畅的运行状态。此外,QCoreApplication还提供了多种方法和信号槽机制,方便开发者进行事件的定制和扩展。 ... [详细]
  • C++ 异步编程中获取线程执行结果的方法与技巧及其在前端开发中的应用探讨
    本文探讨了C++异步编程中获取线程执行结果的方法与技巧,并深入分析了这些技术在前端开发中的应用。通过对比不同的异步编程模型,本文详细介绍了如何高效地处理多线程任务,确保程序的稳定性和性能。同时,文章还结合实际案例,展示了这些方法在前端异步编程中的具体实现和优化策略。 ... [详细]
  • 双指针法在链表问题中应用广泛,能够高效解决多种经典问题,如合并两个有序链表、合并多个有序链表、查找倒数第k个节点等。本文将详细介绍这些应用场景及其解决方案。 ... [详细]
  • IOS Run loop详解
    为什么80%的码农都做不了架构师?转自http:blog.csdn.netztp800201articledetails9240913感谢作者分享Objecti ... [详细]
  • Ihavetwomethodsofgeneratingmdistinctrandomnumbersintherange[0..n-1]我有两种方法在范围[0.n-1]中生 ... [详细]
  • 本文介绍如何使用线段树解决洛谷 P1531 我讨厌它问题,重点在于单点更新和区间查询最大值。 ... [详细]
  • Java高并发与多线程(二):线程的实现方式详解
    本文将深入探讨Java中线程的三种主要实现方式,包括继承Thread类、实现Runnable接口和实现Callable接口,并分析它们之间的异同及其应用场景。 ... [详细]
  • 如何在Java中使用DButils类
    这期内容当中小编将会给大家带来有关如何在Java中使用DButils类,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。D ... [详细]
  • 开机自启动的几种方式
    0x01快速自启动目录快速启动目录自启动方式源于Windows中的一个目录,这个目录一般叫启动或者Startup。位于该目录下的PE文件会在开机后进行自启动 ... [详细]
  • 本文将详细介绍如何在Mac上安装Jupyter Notebook,并提供一些常见的问题解决方法。通过这些步骤,您将能够顺利地在Mac上运行Jupyter Notebook。 ... [详细]
  • 2018 HDU 多校联合第五场 G题:Glad You Game(线段树优化解法)
    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=6356在《Glad You Game》中,Steve 面临一个复杂的区间操作问题。该题可以通过线段树进行高效优化。具体来说,线段树能够快速处理区间更新和查询操作,从而大大提高了算法的效率。本文详细介绍了线段树的构建和维护方法,并给出了具体的代码实现,帮助读者更好地理解和应用这一数据结构。 ... [详细]
  • Codeforces 605C:Freelancer's Dreams —— 凸包算法解析与题解分析 ... [详细]
  • 在探讨P1923问题时,我们发现手写的快速排序在最后两个测试用例中出现了超时现象,这在意料之中,因为该题目实际上要求的是时间复杂度为O(n)的算法。进一步研究题解后,发现有选手使用STL中的`nth_element`函数成功通过了所有测试点。本文将详细分析这一现象,并提出相应的优化策略。 ... [详细]
  • 在洛谷 P1344 的坏牛奶追踪问题中,第一问要求计算最小割,而第二问则需要找到割边数量最少的最小割。通过为每条边附加一个单位权值,可以在求解最小割时优先选择边数较少的方案,从而同时解决两个问题。这种策略不仅简化了问题的求解过程,还确保了结果的最优性。 ... [详细]
  • JavaScript XML操作实用工具类:XmlUtilsJS技巧与应用 ... [详细]
author-avatar
zxcvbnm89
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有