python捕捉线程异常_python异步线程异常处理

我正在尝试在Python中实现超时功能.

它通过使用函数装饰器包装函数来工作,该函数装饰器将函数作为线程调用,还调用“看门狗”线程,该线程将在指定时间段后在函数线程中引发异常.

当前,它适用于不休眠的线程.在do_rand调用期间,我怀疑在time.sleep调用之后以及执行已超出try / except块之后,实际上正在调用“异步”异常,因为这将解释错误启动的线程中的Unhandled异常.此外,do_rand调用中的错误是在调用后7秒钟(time.sleep的持续时间)生成的.

我将如何“唤醒”线程(使用ctypes?)以使其响应异步异常?

或者可能是完全不同的方法?

码:

# Import System libraries

import ctypes

import random

import sys

import threading

import time

class TimeoutException(Exception):

pass

def terminate_thread(thread, exc_type = SystemExit):

"""Terminates a python thread from another thread.

:param thread: a threading.Thread instance

"""

if not thread.isAlive():

return

exc = ctypes.py_object(exc_type)

res = ctypes.pythonapi.PyThreadState_SetAsyncExc(ctypes.c_long(thread.ident), exc)

if res == 0:

raise ValueError("nonexistent thread id")

elif res > 1:

# """if it returns a number greater than one, you're in trouble,

# and you should call it again with exc=NULL to revert the effect"""

ctypes.pythonapi.PyThreadState_SetAsyncExc(thread.ident, None)

raise SystemError("PyThreadState_SetAsyncExc failed")

class timeout_thread(threading.Thread):

def __init__(self, interval, target_thread):

super(timeout_thread, self).__init__()

self.interval = interval

self.target_thread = target_thread

self.done_event = threading.Event()

self.done_event.clear()

def run(self):

timeout = not self.done_event.wait(self.interval)

if timeout:

terminate_thread(self.target_thread, TimeoutException)

class timeout_wrapper(object):

def __init__(self, interval = 300):

self.interval = interval

def __call__(self, f):

def wrap_func(*args, **kwargs):

thread = threading.Thread(target = f, args = args, kwargs = kwargs)

thread.setDaemon(True)

timeout_ticker = timeout_thread(self.interval, thread)

timeout_ticker.setDaemon(True)

timeout_ticker.start()

thread.start()

thread.join()

timeout_ticker.done_event.set()

return wrap_func

@timeout_wrapper(2)

def print_guvnah():

try:

while True:

print "guvnah"

except TimeoutException:

print "blimey"

def print_hello():

try:

while True:

print "hello"

except TimeoutException:

print "Whoops, looks like I timed out"

def do_rand(*args):

try:

rand_num = 7 #random.randint(0, 10)

rand_pause = 7 #random.randint(0, 5)

print "Got rand: %d" % rand_num

print "Waiting for %d seconds" % rand_pause

time.sleep(rand_pause)

except TimeoutException:

print "Waited too long"

print_guvnah()

timeout_wrapper(3)(print_hello)()

timeout_wrapper(2)(do_rand)()

解决方法:

问题是time.sleep阻塞了.而且它真的很难阻挡,因此唯一可以中断它的是过程信号.但是带有它的代码真的很混乱,在某些情况下甚至信号也无法正常工作(例如,当您正在阻塞socket.recv()时,请参见:recv() is not interrupted by a signal in multithreaded environment).

因此,通常无法中断线程(而不杀死整个进程)(更不用说有人可以简单地从线程中重写信号处理).

但是在这种特殊情况下,您可以使用线程模块中的Event类来代替使用time.sleep:

线程1

from threading import Event

ev = Event()

ev.clear()

state = ev.wait(rand_pause) # this blocks until timeout or .set() call

线程2(确保它可以访问相同的ev实例)

ev.set() # this will unlock .wait above

请注意,状态将是事件的内部状态.因此,状态== True表示已使用.set()解锁,而状态== False则表示发生了超时.

在此处阅读有关事件的更多信息:

标签:multithreading,asynchronous,exception,ctypes,python

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 很抱歉,我之前回答的还是这个问题。以下是一个稍微复杂一点的 Python线程实例,可以用来计算一个矩阵的乘积: ```python import threading import numpy as np # 定义矩阵的大小 MATRIX_SIZE = 1000 # 初始化两个随机矩阵 matrix_a = np.random.rand(MATRIX_SIZE, MATRIX_SIZE) matrix_b = np.random.rand(MATRIX_SIZE, MATRIX_SIZE) # 初始化结果矩阵 result_matrix = np.zeros((MATRIX_SIZE, MATRIX_SIZE)) # 定义一个函数,用来计算矩阵的乘积 def multiply(start, end): for i in range(start, end): for j in range(MATRIX_SIZE): for k in range(MATRIX_SIZE): result_matrix[i][j] += matrix_a[i][k] * matrix_b[k][j] # 定义线程数量 NUM_THREADS = 4 # 计算每个线程需要计算的行数 rows_per_thread = MATRIX_SIZE // NUM_THREADS # 创建线程列表 threads = [] # 启动线程 for i in range(NUM_THREADS): start = i * rows_per_thread end = (i + 1) * rows_per_thread t = threading.Thread(target=multiply, args=(start, end)) threads.append(t) t.start() # 等待所有线程结束 for t in threads: t.join() # 检查结果是否正确 expected_result = np.dot(matrix_a, matrix_b) assert np.array_equal(result_matrix, expected_result) # 输出 Done 表示程序执行完毕 print("Done") ``` 这个例子首先初始化两个随机矩阵,然后定义一个函数 multiply,用来计算这两个矩阵的乘积。然后,它将矩阵分成若干个部分,每个部分分配给一个线程来计算。最后,它等待所有线程结束,检查结果是否正确,并输出 Done 表示程序执行完毕。 希望这个例子能够帮助您更好地理解 Python线程的使用方法。 ### 回答2: Python线程实例是指在Python编程语言中使用多线程进行并发编程的实例。在Python中,可以使用内置的threading模块来创建和管理多线程。 通过创建多线程,可以在程序中同时执行多个任务。这对于需要同时处理多个任务的情况非常有用。例如,在下载大文件时,可以使用多线程同时下载多个文件,加快下载速度。此外,多线程还可以用于处理网络请求、图像处理、数据处理等耗时操作,提高程序的运行效率。 使用Python线程的主要步骤如下: 1. 导入threading模块。 ``` import threading ``` 2. 创建一个线程对象,可以通过继承threading.Thread类或使用threading.Thread()函数创建。 ``` class MyThread(threading.Thread): def __init__(self, name): super().__init__() self.name = name def run(self): # 线程执行的代码 print("Hello, " + self.name) thread1 = MyThread("Thread 1") thread2 = threading.Thread(target=func, args=("Thread 2",)) ``` 3. 启动线程。 ``` thread1.start() thread2.start() ``` 4. 等待线程结束。 ``` thread1.join() thread2.join() ``` 以上代码演示了两种创建多线程的方法:1)继承threading.Thread类,重写run方法;2)使用函数作为线程的执行内容。线程的启动调用start()方法,等待线程结束使用join()方法。 需要注意的是,Python线程的并发程度受到全局解释器锁(GIL)的限制,因此对于计算密集型的任务,多线程并不能发挥出多核的优势。如果需要发挥多核性能,可以考虑使用多进程编程。 总之,Python线程实例能够提高程序的并发处理能力,适用于需要同时处理多个任务的场景。通过合理设计线程的数量和任务分配,可以提高程序的性能和效率。 ### 回答3: Python线程实例是指通过使用多线程的技术来提高Python程序的运行效率和性能。在Python中,我们可以使用threading模块来实现多线程。 多线程技术可以同时执行多个任务,提高程序的运行速度。在Python中,我们可以通过创建Thread对象并调用start()方法来启动一个线程。下面是一个简单的例子: import threading def print_numbers(): for i in range(1, 11): print(i) def print_letters(): for letter in ['A', 'B', 'C', 'D', 'E']: print(letter) # 创建两个线程 t1 = threading.Thread(target=print_numbers) t2 = threading.Thread(target=print_letters) # 启动两个线程 t1.start() t2.start() # 等待两个线程结束 t1.join() t2.join() # 主线程继续执行 print("主线程结束") 以上代码中,我们创建了两个线程,分别执行print_numbers()和print_letters()函数。通过调用start()方法启动线程,并通过join()方法等待两个线程执行完毕。最后,主线程继续执行并打印出一段文字。 需要注意的是,多线程并不一定能提高程序的运行速度,因为在Python中,全局解释器锁(Global Interpreter Lock,GIL)会限制同一时间只能有一个线程执行Python字节码。因此,在CPU密集型任务中,多线程并不能真正实现并行计算。但是,在IO密集型任务中,多线程能够提高程序的运行效率。 总结起来,Python的多线程实例可以通过使用threading模块来实现。多线程能够提高IO密集型任务的运行效率,但在CPU密集型任务中并不能真正实现并行计算。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值