request.urlretrieve在多处理Python中被卡住了

Question

我正在尝试使用Python从URL列表中下载图像。为了加快这个过程，我使用了多处理库。

我面临的问题是脚本经常自行挂起/冻结，我不知道为什么。

这是我正在使用的代码

...
import multiprocessing as mp

def getImages(val):

    #Dowload images
    try:
        url= # preprocess the url from the input val
        local= #Filename Generation From Global Varables And Rand Stuffs...
        urllib.request.urlretrieve(url,local)
        print("DONE - " + url)
        return 1
    except Exception as e:
        print("CAN'T DOWNLOAD - " + url )
        return 0

if __name__ == '__main__':

    files = "urls.txt"
    lst = list(open(files))
    lst = [l.replace("\n", "") for l in lst]

    pool = mp.Pool(processes=4)
    res = pool.map(getImages, lst)

    print ("tempw")

它经常被卡在列表的中间（它打印DONE，或者不能下载到已处理的列表的一半但我不知道其余部分发生了什么）。有人遇到过这个问题吗？我搜索过类似的问题（例如这个link），但没有找到答案。

提前致谢

Answer 1

看起来你正面临一个GIL问题：python Global Interpreter Lock基本上禁止python同时执行多个任务。 Multiprocessing模块实际上是启动python的单独实例，以便并行完成工作。

但在你的情况下，在所有这些实例中调用urllib：每个实例都试图锁定IO进程：成功的人（例如先来）会得到结果，而其他人（试图锁定已经锁定的进程）失败。

这是一个非常简化的解释，但这里有一些额外的资源：

您可以在这里找到另一种并行化请求的方法：Multiprocessing useless with urllib2?

有关GIL的更多信息，请访问：What is a global interpreter lock (GIL)?

Answer 2

好的，我找到了答案。

一个可能的罪魁祸首是脚本被困在从URL连接/下载。所以我添加了一个套接字超时来限制连接和下载图像的时间。

而现在，这个问题不再困扰我了。

这是我的完整代码

...
import multiprocessing as mp

import socket

# Set the default timeout in seconds
timeout = 20
socket.setdefaulttimeout(timeout)

def getImages(val):

    #Dowload images
    try:
        url= # preprocess the url from the input val
        local= #Filename Generation From Global Varables And Rand Stuffs...
        urllib.request.urlretrieve(url,local)
        print("DONE - " + url)
        return 1
    except Exception as e:
        print("CAN'T DOWNLOAD - " + url )
        return 0

if __name__ == '__main__':

    files = "urls.txt"
    lst = list(open(files))
    lst = [l.replace("\n", "") for l in lst]

    pool = mp.Pool(processes=4)
    res = pool.map(getImages, lst)

    print ("tempw")

希望这个解决方案可以帮助那些面临同样问题的人