Python socket.gethostbyname_ex() многопоточный сбой

Question

Я запрограммировал скрипт, который должен разрешать несколько имен хостов в IP-адреса, используя многопоточность.

Однако, это терпит неудачу и зависает в некоторой случайной точке. Как это можно решить?

num_threads = 100
conn = pymysql.connect(host='xx.xx.xx.xx', unix_socket='/tmp/mysql.sock', user='user', passwd='pw', db='database')
cur = conn.cursor()
def mexec(befehl):
    cur = conn.cursor()
    cur.execute(befehl)

websites = ['facebook.com','facebook.org' ... ... ... ...] \#10.000 websites in array
queue = Queue()
def getips(i, q):
    while True:
        #--resolve IP--
        try:
            result = socket.gethostbyname_ex(site)
            print(result)
            mexec("UPDATE sites2block SET ip='"+result+"', updated='yes' ") #puts site in mysqldb
        except (socket.gaierror):
            print("no ip")
            mexec("UPDATE sites2block SET ip='no ip', updated='yes',")
        q.task_done()
#Spawn thread pool
for i in range(num_threads):
    worker = Thread(target=getips, args=(i, queue))
    worker.setDaemon(True)
    worker.start()
#Place work in queue
for site in websites:
    queue.put(site)
#Wait until worker threads are done to exit
queue.join()

Answer 1

Вы можете использовать значение Sentinel, чтобы сигнализировать потокам, что нет работы, и присоединяться к потокам вместо queue.task_done() а также queue.join():

#!/usr/bin/env python
import socket
from Queue import Queue
from threading import Thread

def getips(queue):
    for site in iter(queue.get, None):
        try: # resolve hostname
            result = socket.gethostbyname_ex(site)
        except IOError, e:
            print("error %s reason: %s" % (site, e))
        else:
            print("done %s %s" % (site, result))

def main():
    websites = "youtube google non-existent.example facebook yahoo live".split()
    websites = [name+'.com' for name in websites]

    # Spawn thread pool
    queue = Queue()
    threads = [Thread(target=getips, args=(queue,)) for _ in range(20)]
    for t in threads:
        t.daemon = True
        t.start()

    # Place work in queue
    for site in websites: queue.put(site)
    # Put sentinel to signal the end
    for _ in threads: queue.put(None)
    # Wait for completion
    for t in threads: t.join()

main()

gethostbyname_ex() функция устарела. Для поддержки обоих адресов IPv4/v6 вы можете использовать socket.getaddrinfo() вместо.

Answer 2

Моя первая идея заключалась в том, что вы получаете ошибки из-за перегрузки в DNS - возможно, ваш распознаватель просто не позволяет вам делать больше, чем определенное количество запросов за раз.

---

Кроме того, я заметил некоторые проблемы:

1. Вы забыли назначить site правильно в while цикл - который, вероятно, лучше заменить for цикл итерации по очереди, или что-то. В вашей версии вы используете site переменная из пространства имен уровня модуля, которая может привести к двойным запросам и пропущенным другим.

   В этом месте вы можете контролировать, есть ли в очереди записи или они еще ожидаются. Если обоих нет, вы можете выйти из своей ветки.

2. По соображениям безопасности, вам лучше сделать

   def mexec(befehl, args=None):
       cur = conn.cursor()
       cur.execute(befehl, args)
   

   для того, чтобы сделать потом

   mexec("UPDATE sites2block SET ip=%s, updated='yes'", result) #puts site in mysqldb
   

---

Чтобы оставаться совместимым с будущими протоколами, вы должны использовать socket.getaddrinfo() вместо socket.gethostbyname_ex(site), Там вы получаете все IP-адреса, которые хотите (сначала вы можете ограничиться IPv4, но переключиться на IPv6 проще), и, возможно, можете поместить их все в БД.

---

Для вашей очереди примеры кода могут быть

def queue_iterator(q):
    """Iterate over the contents of a queue. Waits for new elements as long as the queue is still filling."""
    while True:
        try:
            item = q.get(block=q.is_filling, timeout=.1)
            yield item
            q.task_done() # indicate that task is done.
        except Empty:
            # If q is still filling, continue.
            # If q is empty and not filling any longer, return.
            if not q.is_filling: return

def getips(i, q):
    for site in queue_iterator(q):
        #--resolve IP--
        try:
            result = socket.gethostbyname_ex(site)
            print(result)
            mexec("UPDATE sites2block SET ip=%s, updated='yes'", result) #puts site in mysqldb
        except (socket.gaierror):
            print("no ip")
            mexec("UPDATE sites2block SET ip='no ip', updated='yes',")
# Indicate it is filling.
q.is_filling = True
#Spawn thread pool
for i in range(num_threads):
    worker = Thread(target=getips, args=(i, queue))
    worker.setDaemon(True)
    worker.start()
#Place work in queue
for site in websites:
    queue.put(site)
queue.is_filling = False # we are done filling, if q becomes empty, we are done.
#Wait until worker threads are done to exit
queue.join()

должен сделать свое дело.

---

Другая проблема - ваша параллельная вставка в MySQL. Вам разрешено делать только один запрос MySQL за раз. Таким образом, вы можете защитить доступ через threading.Lock() или же RLock()или вы можете поместить ответы в другую очередь, которая обрабатывается другим потоком, который может даже связать их.

Answer 3

Вы можете найти его проще в использовании concurrent.futures чем threading, multiprocessing, Queue непосредственно:

#!/usr/bin/env python3
import socket
# pip install futures on Python 2.x
from concurrent.futures import ThreadPoolExecutor as Executor

hosts = "youtube.com google.com facebook.com yahoo.com live.com".split()*100
with Executor(max_workers=20) as pool:
     for results in pool.map(socket.gethostbyname_ex, hosts, timeout=60):
         print(results)

Примечание: вы можете легко перейти от использования потоков к процессам:

from concurrent.futures import ProcessPoolExecutor as Executor

Вам это нужно, если gethostbyname_ex() не является потокобезопасным в вашей ОС, например, это может быть в OSX.

Если вы хотите обрабатывать исключения, которые могут возникнуть в gethostbyname_ex():

import concurrent.futures

with Executor(max_workers=20) as pool:
    future2host = dict((pool.submit(socket.gethostbyname_ex, h), h)
                       for h in hosts)
    for f in concurrent.futures.as_completed(future2host, timeout=60):
        e = f.exception()
        print(f.result() if e is None else "{0}: {1}".format(future2host[f], e))

Это похоже на пример из документации.