Question

我正在尝试使用Python boilerpipe运行multiprocessing。这样做是为了解析来自多个来源的RSS源。问题是它在处理一些链接后挂在其中一个线程中。如果我删除池并在循环中运行它，整个流程都有效。

这是我的多处理代码：

proc_pool = Pool(processes=4)
for each_link in data:
    proc_pool.apply_async(process_link_for_feeds, args=(each_link, ), callback=store_results_to_db)
proc_pool.close()
proc_pool.join()

这是我在boilerpipe内调用的process_link_for_feeds()代码：

def parse_using_bp(in_url):
    extracted_html = ""
    if ContentParser.url_skip_p.match(in_url):
        return extracted_html
    try:
        extractor = Extractor(extractor='ArticleExtractor', url=in_url)
        extracted_html = extractor.getHTML()
        del extractor
    except BaseException as e:
        print "Something's wrong at Boilerpipe -->", in_url, "-->", e
        extracted_html = ""
    finally:
        return extracted_html

我对它悬挂的原因一无所知。 proc_pool代码中有什么问题吗？

Answer 1

你能尝试穿线吗？多处理基本上适用于CPU bound时。此外，samppipe已经includes protection when using threading，这表明它也可能需要多处理保护。

如果你真的需要mp，我会试着找出如何修补samppipe。

我猜这将是使用线程的替代品。它使用multiprocessing.pool.ThreadPool（"fake" multiprocessing pool）。唯一的变化是从Pool(..)到multiprocessing.pool.ThreadPool(...)问题是我不确定套管多线程测试是否会将线程池（）检测为activeCount() > 1。

import multiprocessing
from multiprocessing.pool import ThreadPool  # hidden ThreadPool class

# ...
proc_pool = ThreadPool(processes=4)  # this is the only difference
for each_link in data:
    proc_pool.apply_async(process_link_for_feeds, args=(each_link, ), callback=store_results_to_db)
proc_pool.close()
proc_pool.join()

python-boilerpipe挂起了多处理

1 个答案: