Python爬蟲程序中使用生產者與消費者模式時進程過早退出的問題

更新時間：2023年01月06日 10:34:18 作者：smart_cat

本文主要介紹了Python爬蟲程序中使用生產者與消費者模式時進程過早退出的問題，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

之前寫爬蟲程序的時候，采用生產者和消費者的模式，利用Queue作為生產者進程和消費者進程之間的同步隊列。

執(zhí)行程序時，總是秒退，加了斷點也無法中斷，加打印也無法輸出，我知道肯定是進程退出了，但還是百思不得解，為什么會這么快就退出。

一開始以為是我的進程代碼寫的有問題，在某個地方崩潰導致程序提前退出，排查了一遍又一遍，并沒有發(fā)現(xiàn)什么明顯的問題，后來走讀代碼，看到主模塊中消費者和生產者進程的啟動后，發(fā)現(xiàn)了問題，原因是我通過start()方法啟動進程后，使用join()的方式有問題。消費者進程必須執(zhí)行join()操作，否則消費者進程將在有時間完成所有工作之前被終止。

錯誤的示范：

queue = multiprocessing.JoinableQueue()
consumer = PageContentConsumer(queue)
consumer.start()

producer = PageContentProducer(queue)
producer.start()

# 想通過queue的join()方法確保queue中的元素都被處理完畢
# 但從實際運行看，消費者進程還沒來得及處理就退出了
queue.join()

正確的示范：

queue = multiprocessing.JoinableQueue()
consumer = PageContentConsumer(queue)
consumer.start()

producer = PageContentProducer(queue)
producer.start()
# 需要執(zhí)行producer.join()，確保生產者進程能夠持續(xù)執(zhí)行
producer.join()

# 需要執(zhí)行consumer.join()，確保消費者進程有時間進行處理
consumer.join()

# 通過queue的join()方法確保queue中的元素都被處理完畢, 這一步可選，因為真實代碼里放了隊列完成標志
queue.join()

生產者進程示意代碼：

class PageContentProducer(multiprocessing.Process):
? ? def __init__(self, page_list:list, output_queue:multiprocessing.JoinableQueue):
? ? ? ? multiprocessing.Process.__init__(self)
? ? ? ? self.daemon = True
? ? ? ? self.page_list = page_list
? ? ? ? self.content_list = [] ?# 用于保存匯總信息，沒有什么實際作用
? ? ? ? self.output_queue = output_queue
? ??
? ? def run(self):
? ? ? ? '''
? ? ? ? 向隊列中加入每一篇文章
? ? ? ? '''
? ? ? ? self.visit_all_page_to_get_content()
? ? ? ??
? ? def visit_all_page_to_get_content(self):
? ? ? ? '''
? ? ? ? 使用線程池處理所有的page, 并從每一頁上提取所有的文章content
? ? ? ? '''
? ? ? ? ...

消費者進程示意代碼：

class PageContentConsumer(multiprocessing.Process):
? ? def __init__(self, dir, input_queue:multiprocessing.JoinableQueue):
? ? ? ? multiprocessing.Process.__init__(self)
? ? ? ? self.daemon = True
? ? ? ? self.input_queue = input_queue
? ? ? ? self.dir = dir
? ? ? ??
? ? def run(self):
? ? ? ? while True:
? ? ? ? ? ? try:
? ? ? ? ? ? ? ? content = self.input_queue.get()
? ? ? ? ? ? ? ? if content is None:
? ? ? ? ? ? ? ? ? ? # 如果收到結束標志, 就退出當前任務
? ? ? ? ? ? ? ? ? ? break
? ? ? ? ? ? ? ? self.content_worker_func(self.dir, content)
? ? ? ? ? ? ? ? print(f"已處理: {content['title']}")
? ? ? ? ? ? ? ? # 發(fā)出信號通知任務完成
? ? ? ? ? ? ? ? self.input_queue.task_done()
? ? ? ? ? ? except Exception as e:
? ? ? ? ? ? ? ? print(repr(e))
? ? ? ? ? ? ? ??
? ? def content_worker_func(self, dir, content):
? ? ? ? '''
? ? ? ? 主要工作函數
? ? ? ? '''
? ? ? ? ...

主模塊代碼示意如下:

if __name__ == '__main__':
? ? page_list = [xxxx]
? ??
? ? queue = multiprocessing.JoinableQueue()
? ??
? ? consumer_num = os.cpu_count()
? ? consumers = []
? ??
? ? for i in range(0, consumer_num):
? ? ? ? consumers.append(PageContentConsumer(dir, queue))
? ??
? ? for i in range(0, consumer_num):
? ? ? ? consumers[i].start()
? ??
? ? producer = PageContentProducer(page_list, queue)
? ? producer.start()
? ? producer.join()
? ??
? ? # 在隊列上放置標志，發(fā)出完成信號, 有幾個消費者,就需要放置多少個標志
? ? for i in range(0, consumer_num):
? ? ? ? queue.put(None)
? ? ? ??
? ? # 等待消費者進程關閉
? ? for i in range(0, consumer_num):
? ? ? ? consumers[i].join()

到此這篇關于Python爬蟲程序中使用生產者與消費者模式時進程過早退出的問題的文章就介紹到這了,更多相關Python生產者與消費者模式進程早退內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: