您如何判断sys.stdin.readline()是否将被阻止?

时间:2018-10-19 13:20:00

标签: python

如何确定对sys.stdin.readline()的调用(或更笼统地说,在任何基于文件描述符的文件对象上的readline())是否会阻塞?

当我用python编写基于行的文本过滤器程序时出现此问题; 也就是说,该程序反复从输入中读取一行文本,也许对其进行转换,然后将其写入输出。

我想实施一个合理的输出缓冲策略。 我的标准是:

  1. 处理数百万个 批量行-主要缓冲输出,偶尔刷新。
  2. 在保存缓冲的输出时,它永远不会阻塞输入。

因此,无缓冲的输出是不好的,因为它违反了(1)(对OS的写入过多)。 行缓冲输出是不好的,因为它仍然违反(1) (将输出批量刷新到百万行中的每一行都没有意义)。 而且默认缓冲的输出是不好的,因为它违反了(2)(如果输出是到文件或管道的话,它将不适当地保留输出)。

在大多数情况下,我认为一个好的解决方案是: “只要(其缓冲区已满或)sys.stdin.readline()将要阻塞,就刷新sys.stdout”。 可以实现吗?

(请注意,我并不是说这种策略对 all 个案例都是完美的。例如, 在程序是cpu绑定的情况下,这可能并不理想;在这种情况下,这可能是明智的 进行更频繁的刷新,以避免在进行长时间计算时保留输出。)

为了明确起见,假设我要在python中实现unix的“ cat -n”程序。

(实际上,“ cat -n”比每次一行都聪明;也就是说,它知道如何 在读取整行之前读取和写入部分行; 但是,在这个示例中,我还是要一次一行地实现它。)

行缓冲实现

(行为规范,但违反了标准(1),即,由于冲洗过多,它的速度不合理):

#!/usr/bin/python
# cat-n.linebuffered.py
import sys
num_lines_read = 0
while True:
  line = sys.stdin.readline()
  if line == '': break
  num_lines_read += 1
  print("%d: %s" % (num_lines_read, line))
  sys.stdout.flush()

默认缓冲的实现

(快速,但违反了标准(2),即不友好的输出预扣)

#!/usr/bin/python
# cat-n.defaultbuffered.py
import sys
num_lines_read = 0
while True:
  line = sys.stdin.readline()
  if line == '': break
  num_lines_read += 1
  print("%d: %s" % (num_lines_read, line))

所需的实现:

#!/usr/bin/python
num_lines_read = 0
while True:
  if sys_stdin_readline_is_about_to_block():  # <--- How do I implement this??
    sys.stdout.flush()
  line = sys.stdin.readline()
  if line == '': break
  num_lines_read += 1
  print("%d: %s" % (num_lines_read, line))

问题是:是否可以实现sys_stdin_readline_is_about_to_block()

我想要一个适用于python2和python3的答案。 我研究了以下每种技术,但到目前为止,还没有任何进展。

  • 使用select([sys.stdin],[],[],0)来确定从sys.stdin读取是否会阻塞。 (当sys.stdin是一个缓冲的文件对象时,此操作不起作用,原因至少有两个,并且可能有两个原因:(1)如果准备好从基础输入管道读取部分行,它将错误地说“不会阻塞”, (2)如果sys.stdin的缓冲区包含完整的输入行,但底层管道还没有准备好进行其他读取...,我会错误地说“将阻止”。

  • 无阻塞io,将os.fdopen(sys.stdin.fileno(), 'r')fcntlO_NONBLOCK一起使用 (我无法在任何python版本中将其与readline()配合使用: 在python2.7中,只要有分行进入,它就会丢失输入; 在python3中,似乎无法区分“ would block” 和输入结束。 ??)

  • asyncio(对我来说,尚不清楚python2中有哪些可用;而且我认为它不适用于sys.stdin;但是,我仍然对该答案感兴趣,仅当从subprocess.Popen())返回的管道中读取时有效。

  • 创建一个线程来进行readline()循环并将每一行传递给主线程 通过queue.Queue编程;然后主程序可以在轮询队列之前 从中读取每一行,并且每当看到行将要阻塞时,请先刷新stdout。 (我尝试过,实际上使它起作用,请参见下文,但是它非常慢,比行缓冲慢得多。)

线程实现:

请注意,这并不能严格回答“如何判断sys.stdin.readline()是否要阻塞”的问题,但是无论如何它都能实现所需的缓冲策略。不过太慢了。

#!/usr/bin/python
# cat-n.threaded.py
import queue
import sys
import threading
def iter_with_abouttoblock_cb(callable, sentinel, abouttoblock_cb, qsize=100):
  # child will send each item through q to parent.
  q = queue.Queue(qsize)
  def child_fun():
    for item in iter(callable, sentinel):
      q.put(item)
    q.put(sentinel)
  child = threading.Thread(target=child_fun)
  # The child thread normally runs until it sees the sentinel,
  # but we mark it daemon so that it won't prevent the parent
  # from exiting prematurely if it wants.
  child.daemon = True
  child.start()
  while True:
    try:
      item = q.get(block=False)
    except queue.Empty:
      # q is empty; call abouttoblock_cb before blocking
      abouttoblock_cb()
      item = q.get(block=True)
    if item == sentinel:
      break  # do *not* yield sentinel
    yield item
  child.join()

num_lines_read = 0
for line in iter_with_abouttoblock_cb(sys.stdin.readline,
                                      sentinel='',
                                      abouttoblock_cb=sys.stdout.flush):
  num_lines_read += 1
  sys.stdout.write("%d: %s" % (num_lines_read, line))

验证缓冲行为:

以下命令(在Linux上为bash)显示了预期的缓冲行为:“ defaultbuffered”缓冲过大,而“ linebuffered”和“ threaded”缓冲恰到好处。

(请注意,管道结尾处的| cat是默认使python块缓冲区而不是行缓冲区。)

for which in defaultbuffered linebuffered threaded; do
  for python in python2.7 python3.5; do
    echo "$python cat-n.$which.py:"
      (echo z; echo -n a; sleep 1; echo b; sleep 1; echo -n c; sleep 1; echo d; echo x; echo y; echo z; sleep 1; echo -n e; sleep 1; echo f) | $python cat-n.$which.py | cat
  done
done

输出:

python2.7 cat-n.defaultbuffered.py:
[... pauses 5 seconds here. Bad! ...]
1: z
2: ab
3: cd
4: x
5: y
6: z
7: ef
python3.5 cat-n.defaultbuffered.py:
[same]
python2.7 cat-n.linebuffered.py:
1: z
[... pauses 1 second here, as expected ...]
2: ab
[... pauses 2 seconds here, as expected ...]
3: cd
4: x
5: y
6: z
[... pauses 2 seconds here, as expected ...]
6: ef
python3.5 cat-n.linebuffered.py:
[same]
python2.7 cat-n.threaded.py:
[same]
python3.5 cat-n.threaded.py:
[same]

时间:

(在Linux上的bash中):

for which in defaultbuffered linebuffered threaded; do
  for python in python2.7 python3.5; do
    echo -n "$python cat-n.$which.py:  "
      timings=$(time (yes 01234567890123456789012345678901234567890123456789012345678901234567890123456789 | head -1000000 | $python cat-n.$which.py >| /tmp/REMOVE_ME) 2>&1)
      echo $timings
  done
done
/bin/rm /tmp/REMOVE_ME

输出:

python2.7 cat-n.defaultbuffered.py:  real 0m1.490s user 0m1.191s sys 0m0.386s
python3.5 cat-n.defaultbuffered.py:  real 0m1.633s user 0m1.007s sys 0m0.311s
python2.7 cat-n.linebuffered.py:  real 0m5.248s user 0m2.198s sys 0m2.704s
python3.5 cat-n.linebuffered.py:  real 0m6.462s user 0m3.038s sys 0m3.224s
python2.7 cat-n.threaded.py:  real 0m25.097s user 0m18.392s sys 0m16.483s
python3.5 cat-n.threaded.py:  real 0m12.655s user 0m11.722s sys 0m1.540s

重申一下,我想要一个在保留缓冲输出时不会阻塞的解决方案 (“ linebuffered”和“ threaded”在这方面都很好), 而且速度也很快:也就是说,速度相当于“默认缓冲”。

2 个答案:

答案 0 :(得分:3)

您当然可以使用select:这就是它的用途,并且对于少数文件描述符来说,它的性能很好。您必须自己实现行缓冲/中断,以便在缓冲(实际上是)部分行后,检测是否还有更多输入可用。

您可以自己进行全部缓冲(这是合理的,因为select在文件描述符级别运行),也可以将stdin设置为非阻止并使用file.read()BufferedReader.read()(取决于您的Python版本)消耗可用的内容。如果输入可能是Internet套接字,则无论缓冲如何,都必须使用非阻塞输入,因为select的常见实现会虚假地指示套接字中的可读数据。 (在这种情况下,Python 2版本将IOError加上EAGAIN; Python 3版本返回None。)

os.fdopen在这里无济于事,因为它没有为fcntl创建新的文件描述符供使用。在某些系统上,您可以打开{{ 1}}和/dev/stdin。)

基于默认O_NONBLOCK的Python 2实现:

file.read()

对于import sys,os,select,fcntl,errno fcntl.fcntl(sys.stdin.fileno(),fcntl.F_SETFL,os.O_NONBLOCK) rfs=[sys.stdin.fileno()] xfs=rfs+[sys.stdout.fileno()] buf="" lnum=0 timeout=None rd=True while rd: rl,_,xl=select.select(rfs,(),xfs,timeout) if xl: raise IOError # "exception" occurred (TCP OOB data?) if rl: try: rd=sys.stdin.read() # read whatever we have except IOError as e: # spurious readiness? if e.errno!=errno.EAGAIN: raise # die on other errors else: buf+=rd nl0=0 # previous newline while True: nl=buf.find('\n',nl0) if nl<0: buf=buf[nl0:] # hold partial line for "processing" break lnum+=1 print "%d: %s"%(lnum,buf[nl0:nl]) timeout=0 nl0=nl+1 else: # no input yet sys.stdout.flush() timeout=None if buf: sys.stdout.write("%d: %s"%(lnum+1,buf)) # write any partial last line ,我们可以在得到部分行后立即写出它们,但这会保留以表示立即处理整个行。

在我的(压迫式)计算机上,您的cat -n测试采用“真实的0m2.454s用户0m2.144s sys 0m0.504s”。

答案 1 :(得分:0)

# -*- coding: utf-8 -*-
import os
import sys
import select
import fcntl
import threading


class StdInput:
    def __init__(self):
        self.close_evt = threading.Event()

        fcntl.fcntl(sys.stdin.fileno(), fcntl.F_SETFL, fcntl.fcntl(sys.stdin.fileno(), fcntl.F_GETFL) | os.O_NONBLOCK);
        self.input = (sys.stdin.original_stdin if hasattr(sys.stdin, "original_stdin") else sys.stdin)
        self.epoll = select.epoll()
        self.epoll.register(sys.stdin.fileno(), select.EPOLLIN | select.EPOLLPRI | select.EPOLLERR | select.EPOLLHUP | select.EPOLLRDBAND)

    def read(self):
        while not self.close_evt.is_set():
            input_line = self.input.readline()
            # If the object is in non-blocking mode and no bytes are available, None is returned.
            if input_line is not None and len(input_line) > 0:
                break           
            print("Nothing yet...")
            evt_lst = self.epoll.poll(1.0)  # Timeout 1s
            print("Poll exited: event list size={}".format(len(evt_lst)))
            if len(evt_lst) > 0:
                assert len(evt_lst) == 1
                if (evt_lst[0][1] & (select.EPOLLERR | select.EPOLLHUP)) > 0:
                    raise Exception("Ooops!!!")
        return input_line


if __name__ == "__main__":
    i = StdInput()

    def alm_handle():
        i.close_evt.set()
    threading.Timer(4, alm_handle).start()

    print("Reading...")
    input_line = i.read()
    print("Read='{}'".format(input_line))