Python进程池log死锁问题分析及解决
背景
最近线上运行的一个python任务负责处理一批数据,为提高处理效率,使用了python进程池,并会打印log。最近发现,任务时常会出现夯住的情况,当查看现场时发现,夯住时通常会有几个子进程打印了相关错误日志,然后整个任务就停滞在那里了。
原因
夯住的原因正是由于一行不起眼的log导致,简而言之,Python的logging模块在写文件模式下,是不支持多进程的,强行使用可能会导致死锁。
问题复现
可以用下面的代码来描述我们遇到的问题
import logging from threading import Thread from queue import Queue from logging.handlers import QueueListener, QueueHandler from multiprocessing import Pool def setup_logging(): # log的时候会写到一个队列里,然后有一个单独的线程从这个队列里去获取日志信息并写到文件里 _log_queue = Queue() QueueListener( _log_queue, logging.FileHandler("out.log")).start() logging.getLogger().addHandler(QueueHandler(_log_queue)) # 父进程里起一个单独的线程来写日志 def write_logs(): while True: logging.info("hello, I just did something") Thread(target=write_logs).start() def runs_in_subprocess(): print("About to log...") logging.info("hello, I did something") print("...logged") if __name__ == '__main__': setup_logging() # 让一个进程池在死循环里执行,增加触发死锁的几率 while True: with Pool() as pool: pool.apply(runs_in_subprocess)
我们在linux上执行该代码:
About to log... ...logged About to log... ...logged About to log...
发现程序输出几行之后就卡住了。
问题出在了哪里
python的进程池是基于fork
实现的,当我们只使用fork()
创建子进程而不是用execve()
来替换进程上下时,需要注意一个问题:fork()
出来的子进程会和父进程共享内存空间,除了父进程所拥有的线程。
对于代码
from threading import Thread, enumerate from os import fork from time import sleep # Start a thread: Thread(target=lambda: sleep(60)).start() if fork(): print("The parent process has {} threads".format( len(enumerate()))) else: print("The child process has {} threads".format( len(enumerate())))
输出:
The parent process has 2 threads
The child process has 1 threads
可以发现,父进程中的子线程并没有被fork到子进程中,而这正是导致死锁的原因:
- 当父进程中的线程要向队列中写log时,它需要获取锁
- 如果恰好在获取锁后进行了
fork
操作,那这个锁也会被带到子进程中,同时这个锁的状态是占用中 - 这时候子进程要写日志的话,也需要获取锁,但是由于锁是占用状态,导致永远也无法获取,至此,死锁产生。
如何解决
使用多进程共享队列
出现上述死锁的原因之一在于在fork子进程的时候,把队列和锁的状态都给fork
过来了,那要避免死锁,一种方案就是使用进程共享的队列。
import logging import multiprocessing from logging.handlers import QueueListener from time import sleep def listener_configurer(): root = logging.getLogger() h = logging.handlers.RotatingFileHandler('out.log', 'a', 300, 10) f = logging.Formatter('%(asctime)s %(processName)-10s %(name)s %(levelname)-8s %(message)s') h.setFormatter(f) root.addHandler(h) # 从队列获取元素,并写日志 def listener_process(queue, configurer): configurer() while False: try: record = queue.get() if record is None: break logger = logging.getLogger(record.name) logger.handle(record) except Exception: import sys, traceback print('Whoops! Problem:', file=sys.stderr) traceback.print_exc(file=sys.stderr) # 业务进程的日志配置,使用queueHandler, 将要写的日志塞入队列 def worker_configurer(queue): h = logging.handlers.QueueHandler(queue) root = logging.getLogger() root.addHandler(h) root.setLevel(logging.DEBUG) def runs_in_subprocess(queue, configurer): configurer(queue) print("About to log...") logging.debug("hello, I did something: %s", multiprocessing.current_process().name) print("...logged, %s",queue.qsize()) if __name__ == '__main__': queue = multiprocessing.Queue(-1) listener = multiprocessing.Process(target=listener_process, args=(queue, listener_configurer)) listener.start() #父进程也持续写日志 worker_configurer(queue) def write_logs(): while True: logging.debug("in main process, I just did something") Thread(target=write_logs).start() while True: multiprocessing.Process(target=runs_in_subprocess, args=(queue, worker_configurer)).start() sleep(2)
在上面代码中,我们设置了一个进程间共享的队列,将每个子进程的写日志操作转换为向队列添加元素,然后由单独的另一个进程将日志写入文件。和文章开始处的问题代码相比,虽然都使用了队列,但此处用的是进程共享队列,不会随着fork
子进程而出现多个拷贝,更不会出现给子进程拷贝了一个已经占用了的锁的情况。
spawn
出现死锁的另外一层原因是我们只进行了fork
, 但是没有进行execve
, 即子进程仍然和父进程享有同样的内存空间导致,因此另一种解决方法是在fork后紧跟着执行execve
调用,对应于python中的spawn
操作,修改后的代码如下:
if __name__ == '__main__': setup_logging() while True: # 使用spawn类型的启动 with get_context("spawn").Pool() as pool: pool.apply(runs_in_subprocess)
使用spawn
方法时,父进程会启动一个新的 Python 解释器进程。 子进程将只继承那些运行进程对象的 run()
方法所必须的资源,来自父进程的非必需文件描述符和句柄将不会被继承,因此使用此方法启动进程会比较慢,但是安全。
以上就是Python进程池log死锁问题分析及解决的详细内容,更多关于Python进程池log死锁的资料请关注脚本之家其它相关文章!
相关文章
Python基于pycrypto实现的AES加密和解密算法示例
这篇文章主要介绍了Python基于pycrypto实现的AES加密和解密算法,结合实例形式分析了Python使用pycrypto模块进行AES加密与解密操作相关实现技巧,需要的朋友可以参考下2018-04-04
最新评论