1

我编写了一个脚本，该脚本应该使用多线程将多个主机名解析为 IP 地址。

但是，它会在某个随机点失败并冻结。如何解决？

num_threads = 100
conn = pymysql.connect(host='xx.xx.xx.xx', unix_socket='/tmp/mysql.sock', user='user', passwd='pw', db='database')
cur = conn.cursor()
def mexec(befehl):
    cur = conn.cursor()
    cur.execute(befehl)

websites = ['facebook.com','facebook.org' ... ... ... ...] \#10.000 websites in array
queue = Queue()
def getips(i, q):
    while True:
        #--resolve IP--
        try:
            result = socket.gethostbyname_ex(site)
            print(result)
            mexec("UPDATE sites2block SET ip='"+result+"', updated='yes' ") #puts site in mysqldb
        except (socket.gaierror):
            print("no ip")
            mexec("UPDATE sites2block SET ip='no ip', updated='yes',")
        q.task_done()
#Spawn thread pool
for i in range(num_threads):
    worker = Thread(target=getips, args=(i, queue))
    worker.setDaemon(True)
    worker.start()
#Place work in queue
for site in websites:
    queue.put(site)
#Wait until worker threads are done to exit
queue.join()
4

3 回答 3

3

您可以使用哨兵值来通知线程没有工作并加入线程而不是queue.task_done()and queue.join()：

#!/usr/bin/env python
import socket
from Queue import Queue
from threading import Thread

def getips(queue):
    for site in iter(queue.get, None):
        try: # resolve hostname
            result = socket.gethostbyname_ex(site)
        except IOError, e:
            print("error %s reason: %s" % (site, e))
        else:
            print("done %s %s" % (site, result))

def main():
    websites = "youtube google non-existent.example facebook yahoo live".split()
    websites = [name+'.com' for name in websites]

    # Spawn thread pool
    queue = Queue()
    threads = [Thread(target=getips, args=(queue,)) for _ in range(20)]
    for t in threads:
        t.daemon = True
        t.start()

    # Place work in queue
    for site in websites: queue.put(site)
    # Put sentinel to signal the end
    for _ in threads: queue.put(None)
    # Wait for completion
    for t in threads: t.join()

main()

gethostbyname_ex()功能已过时。要同时支持 IPv4/v6 地址，您可以socket.getaddrinfo()改用。

于 2012-02-10T17:52:53.663 回答
1

我的第一个想法是由于 DNS 过载而导致错误 - 也许您的解析器只是不允许您每次执行超过一定数量的查询。

此外，我发现了一些问题：

  1. site您忘记在循环中正确分配while- 最好用for循环遍历队列或其他东西来代替。在您的版本中，您使用site模块级命名空间中的变量，这可能导致查询重复并跳过其他查询。

    在这个地方，您可以控制队列是否仍有条目或等待一些条目。如果两者都没有，你可以退出你的线程。

  2. 出于安全原因，您最好这样做

    def mexec(befehl, args=None):
    cur = conn.cursor()
    cur.execute(befehl, args)

    为了以后做

    mexec("UPDATE sites2block SET ip=%s, updated='yes'", result) #puts site in mysqldb

为了与未来的协议保持兼容，您应该使用socket.getaddrinfo()而不是socket.gethostbyname_ex(site). 在那里您可以获得所有您想要的 IP（起初，您可以限制为 IPv4，但切换到 IPv6 会更容易）并且可以将它们全部放入数据库中。

对于您的队列，代码示例可能是

def queue_iterator(q):
    """Iterate over the contents of a queue. Waits for new elements as long as the queue is still filling."""
    while True:
        try:
            item = q.get(block=q.is_filling, timeout=.1)
            yield item
            q.task_done() # indicate that task is done.
        except Empty:
            # If q is still filling, continue.
            # If q is empty and not filling any longer, return.
            if not q.is_filling: return

def getips(i, q):
    for site in queue_iterator(q):
        #--resolve IP--
        try:
            result = socket.gethostbyname_ex(site)
            print(result)
            mexec("UPDATE sites2block SET ip=%s, updated='yes'", result) #puts site in mysqldb
        except (socket.gaierror):
            print("no ip")
            mexec("UPDATE sites2block SET ip='no ip', updated='yes',")
# Indicate it is filling.
q.is_filling = True
#Spawn thread pool
for i in range(num_threads):
    worker = Thread(target=getips, args=(i, queue))
    worker.setDaemon(True)
    worker.start()
#Place work in queue
for site in websites:
    queue.put(site)
queue.is_filling = False # we are done filling, if q becomes empty, we are done.
#Wait until worker threads are done to exit
queue.join()

应该做的伎俩。

另一个问题是您并行插入 MySQL。您一次只能执行一个 MySQL 查询。因此，您可以通过threading.Lock()or保护访问RLock()，或者您可以将答案放入另一个队列中，该队列由另一个线程处理，甚至可以捆绑它们。

于 2012-02-08T14:29:41.023 回答
0

您可能会发现它concurrent.futures比threading,直接使用更简单multiprocessing：Queue

#!/usr/bin/env python3
import socket
# pip install futures on Python 2.x
from concurrent.futures import ThreadPoolExecutor as Executor

hosts = "youtube.com google.com facebook.com yahoo.com live.com".split()*100
with Executor(max_workers=20) as pool:
     for results in pool.map(socket.gethostbyname_ex, hosts, timeout=60):
         print(results)

注意：您可以轻松地从使用线程切换到进程：

from concurrent.futures import ProcessPoolExecutor as Executor

gethostbyname_ex()如果在您的操作系统上不是线程安全的，则您需要它，例如，在 OSX 上可能就是这种情况。

如果您想处理可能出现的异常gethostbyname_ex()：

import concurrent.futures

with Executor(max_workers=20) as pool:
    future2host = dict((pool.submit(socket.gethostbyname_ex, h), h)
                       for h in hosts)
    for f in concurrent.futures.as_completed(future2host, timeout=60):
        e = f.exception()
        print(f.result() if e is None else "{0}: {1}".format(future2host[f], e))

它类似于文档中的示例。

于 2012-02-08T19:44:25.150 回答