Слишком большое потребление ОЗУ (40 ГБ +) для одновременных DNS-запросов (Python3 concurrent.futures)

Question

У меня есть список из 30 миллионов строк, и я хочу выполнить запрос DNS ко всем из них с помощью Py thon. Я не понимаю, как эта операция может получить интенсивную память. Я предполагаю, что потоки завершат работу после выполнения задания, а также есть тайм-аут в 1 минуту ({'dns_request_timeout': 1}).

Вот краткий обзор ресурсов машины при запуске сценария:

Мой код выглядит следующим образом:

# -*- coding: utf-8 -*-
import dns.resolver
import concurrent.futures
from pprint import pprint
from json import json


bucket = json.load(open('30_million_strings.json','r'))


def _dns_query(target, **kwargs):
    global bucket
    resolv = dns.resolver.Resolver()
    resolv.timeout = kwargs['function']['dns_request_timeout']
    try:
        resolv.query(target + '.com', kwargs['function']['query_type'])
        with open('out.txt', 'a') as f:
            f.write(target + '\n')
    except Exception:
        pass


def run(**kwargs):
    global bucket
    temp_locals = locals()
    pprint({k: v for k, v in temp_locals.items()})

    with concurrent.futures.ThreadPoolExecutor(max_workers=kwargs['concurrency']['threads']) as executor:
        future_to_element = dict()

        for element in bucket:
            future = executor.submit(kwargs['function']['name'], element, **kwargs)
            future_to_element[future] = element

        for future in concurrent.futures.as_completed(future_to_element):
            result = future_to_element[future]


run(function={'name': _dns_query, 'dns_request_timeout': 1, 'query_type': 'MX'},
    concurrency={'threads': 15})

Answer 1

Попробуй это:

def sure_ok(future):
    try:
        with open('out.txt', 'a') as f:
            f.write(str(future.result()[0]) + '\n')
    except:
        pass

with concurrent.futures.ThreadPoolExecutor(max_workers=2500):
    for element in json.load(open('30_million_strings.json','r')):
        resolv = dns.resolver.Resolver()
        resolv.timeout = 1
        future = executor.submit(resolv.query, target + '.com', 'MX')
        future.add_done_callback(sure_ok)

Удалить global bucket как это избыточно, и не нужно.

удалить ссылку на более 30 миллионов фьючерсов в словаре, также избыточно.

также вы, вероятно, не используете достаточно новую версию concurrent.futures:

• https://github.com/python/cpython/commit/5cbca0235b8da07c9454bcaa94f12d59c2df0ad2