我正在编写一个脚本来读取一堆文件,然后并行处理所有这些文件中的行。
我的问题是,如果脚本无法打开某些文件,它会表现得很奇怪。如果它是列表中较晚的文件之一,则它会处理较早的文件,并在到达坏文件时报告异常。但是,如果它无法打开列表中的第一个文件,那么它什么也不处理,也不会报告异常。
如何让脚本报告所有异常,无论它们在列表中的什么位置?
关键问题似乎是pool.imap() 的 block 大小。如果在提交第一个 block 之前发生异常,它将静默失败。
这里有一个重现问题的小脚本:
from multiprocessing.pool import Pool
def prepare():
for i in range(5):
yield i+1
raise RuntimeError('foo')
def process(x):
return x
def test(chunk_size):
pool = Pool(10)
n = raised = None
try:
for n in pool.imap(process, prepare(), chunksize=chunk_size):
pass
except RuntimeError as ex:
raised = ex
print(chunk_size, n, raised)
def main():
print('chunksize n raised')
for chunk_size in range(1, 10):
test(chunk_size)
if __name__ == '__main__':
main()
prepare() 函数生成五个整数,然后引发异常。该生成器被传递给 pool.imap(), block 大小从 1 到 10。然后它打印出 block 大小、收到的结果数以及引发的任何异常。
chunksize n raised
1 5 foo
2 4 foo
3 3 foo
4 4 foo
5 5 foo
6 None None
7 None None
8 None None
9 None None
您可以看到异常被正确报告,直到 block 大小增加到足以在提交第一个 block 之前发生异常。然后它默默地失败了,没有返回任何结果。
请您参考如下方法:
如果我在我自己的可移植系统上使用 Python 2.7.13 和 3.5.4 运行它(为了 py2k 和 py3k 的交叉兼容性,我稍微修改了它),我得到:
$ python2 --version
Python 2.7.13
$ python2 mptest.py
chunksize n raised
1 5 foo
2 4 foo
3 3 foo
4 4 foo
5 5 foo
6 None None
7 None None
8 None None
9 None None
$ python3 --version
Python 3.5.4
$ python3 mptest.py
chunksize n raised
1 5 foo
2 4 foo
3 3 foo
4 4 foo
5 5 foo
6 None foo
7 None foo
8 None foo
9 None foo
我认为对于大于 5 的 block 大小它失败(并因此打印 None)这一事实并不令人惊讶,因为自生成器以来没有池进程可以获取六个参数调用 mptest 产生的结果只能调用 5 次。
令人惊讶的是,Python2.7.9 对大于 5 的 block 大小的异常表示 None,而 Python 3.5 对异常表示 foo。
这是 Issue #28699 , 固定在 commit 794623bdb2 .该修复程序显然已向后移植到 Python 3.5.4,但没有移植到 Python 2.7.9,显然也没有移植到您自己的 Python 3 版本。
