Question

在我的代码中，我有两个假设的任务：一个从生成器获取URL并使用Twisted的Cooperator批量下载它们，另一个获取下载的源并异步解析它。我正在尝试将所有获取和解析任务封装到一个Deferred对象中，该对象在下载所有页面并解析所有源时回调。

我提出了以下解决方案：

from twisted.internet import defer, task, reactor, threads
from twisted.web.client import getPage


BATCH_SIZE = 5

def main_task():
    result = defer.Deferred()
    state = {'count': 0, 'done': False}

    def on_parse_finish(r):
        state['count'] -= 1
        if state['done'] and state['count'] == 0:
            result.callback(True)

    def process(source):
        deferred = parse(source)
        state['count'] += 1
        deferred.addCallback(on_parse_finish)

    def fetch_urls():
        for url in get_urls():
            deferred = getPage(url)
            deferred.addCallback(process)
            yield deferred

    def on_finish(r):
        state['done'] = True

    deferreds = []

    coop = task.Cooperator()
    urls = fetch_urls()
    for _ in xrange(BATCH_SIZE):
        deferreds.append(coop.coiterate(urls))

    main_tasks = defer.DeferredList(deferreds)
    main_tasks.addCallback(on_finish)

    return defer.DeferredList([main_tasks, result])

# `main_task` is meant to be used with `blockingCallFromThread`
# The following should block until all fetch/parse tasks are completed:
# threads.blockingCallFromThread(reactor, main_task)

代码可以工作，但我觉得我好像错过了一些明显的东西，或者对一个简单的扭曲模式一无所知，这会使这个变得更加简单。有没有更好的方法来返回在所有提取和解析完成后回调的单个Deferred？

Answer 1

正如目前所写，我认为这个代码将具有有限数量的并行下载，但是无限数量的并行分析作业。这是故意的吗？我将假设“不”，因为如果您的网络速度很快并且您的解析器速度很慢，因为URL的数量接近无穷大，您的内存使用也是如此：）。

所以这是一个具有有限并行性的东西，但是依次对下载进行解析：

from twisted.internet import defer, task
from twisted.web.client import getPage

BATCH_SIZE = 5

def main_task(reactor):
    def fetch_urls():
        for url in get_urls():
            yield getPage(url).addCallback(parse)

    coop = task.Cooperator()
    urls = fetch_urls()

    return (defer.DeferredList([coop.coiterate(urls)
                               for _ in xrange(BATCH_SIZE)])
            .addCallback(task_finished))

task.react(main_task)

这是有效的，因为parse（显然）会返回Deferred，因此将其作为回调添加到getPage返回的回调中会产生Deferred拨打由coiterate添加的回调，直到parse完成其业务。

既然你问的是惯用的Twisted代码，我也可以自由地对它进行一些现代化（使用task.react而不是手动运行reactor，内联表达式以使事情更简洁等等。） / p>

如果你确实想要比并行提取更多的并行解析，那么这样的事情可能会更好：

from twisted.internet import defer, task
from twisted.web.client import getPage

PARALLEL_FETCHES = 5
PARALLEL_PARSES = 10

def main_task(reactor):
    parseSemaphore = defer.DeferredSemaphore(PARALLEL_PARSES)

    def parseWhenReady(r):
        def parallelParse(_):
            parse(r).addBoth(
                lambda result: parseSemaphore.release().addCallback(
                    lambda _: result
                )
            )
        return parseSemaphore.acquire().addCallback(parallelParse)

    def fetch_urls():
        for url in get_urls():
            yield getPage(url).addCallback(parseWhenReady)

    coop = task.Cooperator()
    urls = fetch_urls()

    return (defer.DeferredList([coop.coiterate(urls)
                               for _ in xrange(PARALLEL_FETCHES)])
            .addCallback(lambda done:
                         defer.DeferredList(
                            [parseSemaphore.acquire()
                             for _ in xrange(PARALLEL_PARSES)]
                         ))
            .addCallback(task_finished))

task.react(main_task)

您可以看到parseWhenReady返回Deferred返回的acquire，因此只要并行解析开始，并行提取就会继续，因此即使解析器过载，您也不会继续不加区分地获取。但是，parallelParse小心地拒绝退回Deferred或parse返回的release，因为抓取应该能够继续进行。

（请注意，由于您的初始示例不可运行，我根本没有对其中任何一个进行过测试。希望即使存在错误，其意图也很明确。）

扭曲：等待子任务完成

1 个答案: