时间戳

首页 > 解决方案 > 如何知道多处理（Python 模块）中的池中有多少线程/工作者已经完成？

python - 如何知道多处理（Python 模块）中的池中有多少线程/工作者已经完成？

问题描述

我正在使用 imapala shell 来计算包含表名的文本文件的一些统计信息。

我正在使用 Python 多处理模块来汇集进程。
事情是事情任务非常耗时，所以我需要跟踪完成了多少文件才能看到工作进度。
 所以让我给你一些关于我正在使用的功能的想法。

job_executor是获取表列表并执行任务的函数。

main()是函数，它获取文件位置，没有执行程序（pool_workers），将包含表的文件转换为表列表并执行多处理操作

我想查看 job_executor 处理了多少文件等进度，但我找不到解决方案。使用计数器也不起作用。

def job_executor(text):

    impala_cmd = "impala-shell -i %s -q  'compute stats %s.%s'" % (impala_node, db_name, text)
    impala_cmd_res = os.system(impala_cmd)  #runs impala Command    

    #checks for execution type(success or fail)
    if impala_cmd_res == 0:
        print ("invalidated the metadata.")
    else:
        print("error while performing the operation.")


def main(args):
    text_file_path = args.text_file_path
    NUM_OF_EXECUTORS = int(args.pool_executors)

    with open(text_file_path, 'r') as text_file_reader:
        text_file_rows = text_file_reader.read().splitlines()  # this will return list of all the tables in the file.
        process_pool = Pool(NUM_OF_EXECUTORS)
        try:
            process_pool.map(job_executor, text_file_rows)
            process_pool.close()
            process_pool.join()
        except Exception:
            process_pool.terminate()
            process_pool.join()


def parse_args():
    """
    function to take scraping arguments from  test_hr.sh file
    """
    parser = argparse.ArgumentParser(description='Main Process file that will start the process and session too.')
    parser.add_argument("text_file_path",
                        help='provide text file path/location to be read. ')  # text file fath
    parser.add_argument("pool_executors",
                        help='please provide pool executors as an initial argument') # pool_executor path

    return parser.parse_args() # returns list/tuple of all arguments.


if __name__ == "__main__":
    mail_message_start()

    main(parse_args())

    mail_message_end()

标签： pythonpython-3.xmultithreadingpython-2.7multiprocessing

解决方案

如果您坚持通过 进行不必要multiprocessing.pool.Pool()的操作，那么跟踪正在发生的事情的最简单方法是使用非阻塞映射（即multiprocessing.pool.Pool.map_async()）：

def main(args):
    text_file_path = args.text_file_path
    NUM_OF_EXECUTORS = int(args.pool_executors)

    with open(text_file_path, 'r') as text_file_reader:
        text_file_rows = text_file_reader.read().splitlines()
        total_processes = len(text_file_rows)  # keep the number of lines for reference
        process_pool = Pool(NUM_OF_EXECUTORS)
        try:
            print('Processing {} lines.'.format(total_processes))
            processing = process_pool.map_async(job_executor, text_file_rows)
            processes_left = total_processes  # number of processing lines left
            while not processing.ready():  # start a loop to wait for all to finish
                if processes_left != processing._number_left:
                    processes_left = processing._number_left
                    print('Processed {} out of {} lines...'.format(
                        total_processes - processes_left, total_processes))
                time.sleep(0.1)  # let it breathe a little, don't forget to `import time`
            print('All done!')
            process_pool.close()
            process_pool.join()
        except Exception:
            process_pool.terminate()
            process_pool.join()

这将每 100 毫秒检查一些进程是否完成处理，如果自上次检查后发生更改，它将打印出到目前为止处理的行数。如果您需要更深入地了解您的子流程正在发生的事情，您可以使用一些共享结构（如multiprocessing.Queue()或multiprocessing.Manager()结构）直接从您的流程中报告。

推荐阅读