Question

所以我最近想通过一个Perl程序来提高速度。收集网站列表，我想为每个网址启动一个帖子并获取每个网站的内容，然后在页面上查找公司描述。一旦一个线程找到了结果，或者所有线程都没有，我想退出，写下我的结果，并在我的下一个公司的URL中读取。

我看到的问题是我在创建线程时使用的函数内部使用了Perl :: Unsafe :: Signals模块。我需要不安全的信号来中断被“卡住”的正则表达式。然而，这似乎会导致各种问题，主要是程序崩溃并显示错误信息“闹钟”。

因此，有没有办法安全地使用Perl :: Unsafe :: Signals和线程？有没有办法通过向函数发送信号以另一种方式超时正则表达式（就像我在下面发送'KILL'信号？）谢谢。

注意：我将代码删除到所有相关部分，如果您需要更多，请告诉我。

use threads ('exit' => 'threads_only');
use threads::shared;
my @descrip;
share(@descrip);

my $lock;
share($lock);

URL:foreach my $url(@unique_urls) {
        #skip blank urls
        if(!$url) { next URL; }#if

        #find description
        my $thread = threads->create(\&findCompanyDescription, $PREV_COMPANY, $PREV_BASE_URL, $url);

#while a description has not been found and there are still active threads, keep looking
#there may be a better way to do this, but this seems to work for me
while(!@descrip && threads->list() != 0) {;}

#kill all threads, write output, read in next batch of urls
my @threads = threads->list();
foreach(@threads) { print("detaching\n"); $_->kill('KILL')->detach(); }#foreach

#######由线程创建的SUBRUTINE

sub findCompanyDescription {
    my($company_full, $base_url, $url) = @_;
    my($descrip, $raw_meta, $raw) = '';
    my @company;

    $SIG{'KILL'} = sub { alarm(0); threads->exit(); };

    eval {
        local $SIG{ALRM} = sub { die("alarm\n") }; # NB: \n required
        alarm(5);

        use Perl::Unsafe::Signals;
        UNSAFE_SIGNALS {

            while($company) {
            my @matches = ($content =~ m!.*<([\w\d]+).*?>\s*about\s+$company[\w\s\-_]*<.*?>(?:<.*?>|\s)*(.*?)</\1.*?>!sig);

            MATCH:for(my $ndx=1; $ndx<@matches; $ndx+=2) {
            ($raw, $descrip) = &filterResult($matches[$ndx], $company_full);

            if($descrip) {
                $company = undef;
                last(MATCH);
            }#if
        }#for

        #reduce the company name and try again
        $company = &reduceCompanyName($company);

        }#while

        alarm(0);
         };#unsafe_signals
    };#eval 

    if($@) {
        if($@ eq "alarm\n" && $DEBUG) { print("\nWebpage Timeout [].\n"); }#if
    }#if

    if($descrip) { lock($lock); {
       @descrip = ($PREV_ID, $company_full, $base_url, $url, 1, $raw, $descrip); } 
    }#if

Answer 1

通常，“不安全”信号对单线程和多线程都不安全。你只是通过使用线程和不安全信号来增加你的危险。 Perl通常的安全信号处理程序设置标志signal_pending，而不会有意义地中断执行。 VM在操作码之间检查该标志。

你的正则表达式执行是一个单一的“原子”操作码。当然，regexp本身是另一个拥有自己的操作码的虚拟机，但我们目前没有对perl信号处理程序的可见性。

坦率地说，我对如何中断正则表达式引擎并不了解。它有一些全局C状态，在过去之前perl-5.10阻止它可以重入。像你一样尝试通用中断可能不安全。如果你真的希望它完全可以中断，你可能需要fork并让你的子进程执行regexp并通过管道传回结果。

require JSON;
require IO::Select;

my $TIMEOUT_SECONDS = 2.5; # seconds

my ( $read, $write );
pipe $read, $write;

my @matches;
my $pid = fork;
if ( $pid ) {

    my $select = IO::Select->new( $read );
    if ( $select->can_read( $TIMEOUT_SECONDS ) ) {
        local $/;
        my $json = <$read>;
        if ( $json ) {
            my $matches_ref = JSON::from_json( $json );
            if ( $matches_ref ) {
                @matches = @$matches_ref;
            }
        }
    }
    waitpid $pid, 0;
}
else {
    my @r = $content =~ m!.*<([\w\d]+).*?>\s*about\s+$company[\w\s\-_]*<.*?>(?:<.*?>|\s)*(.*?)</\1.*?>!sig;
    my $json = JSON::to_json( \ @r );
    print { $write } $json;
    close $write;
    exit;
}

Answer 2

恕我直言，混合信号和线程本身就是一项具有挑战性的任务（即没有perl特定的东西）。请记住，即使在单线程程序中，您也可以安全地从信号处理程序中调用异步信号安全函数，因为程序可能在任何时候都被中断。 Perl增加了另一层抽象，所以我不知道在信号不安全的情况下从信号处理程序调用“die”的安全性。

如果我没记错，SIGALRM是异步信号，因此必须同步处理。在多线程程序中，处理它的方式通常是不正确的。

此外，恕我直言perl线程只是不像大多数人所期望的那样工作。只是避免使用它们而是使用流程。

P.S。

以下行没有意义：

$SIG{'KILL'} = sub { alarm(0); threads->exit(); };

SIGKILL（以及SIGSTOP）无法被捕获。

Answer 3

我不是Perl-MT的专家，但你显然缺少的一件事是信号在整个过程中是全局的 - 它们不是特定于线程的。在POSIX系统上，您无法为线程设置信号处理程序：信号将传递到整个过程。 IOW alarm()调用会影响整个过程，而不仅仅是调用它的线程。甚至MT上下文中的local %SIG也没有做到人们可能认为的那样 - 因为local是一种语法。

Perl线程和不安全信号

3 个答案: