zoukankan      html  css  js  c++  java
  • Python控制函数运行时间

    在某个Flask项目在做后端接口时需要设置超时响应,因为接口中使用爬虫请求了多个网站,响应时间时长时短。

    我需要设置一个最大响应时间,时间内如果接口爬虫没跑完,直接返回请求超时。

    从网上了解到有两种方法,废话不多说直接上代码。

    方法1:使用线程控制

    import requests, datetime, time
    import threading
    
    
    class MyThread(threading.Thread):
        def __init__(self, target, args=()):
            """
            why: 因为threading类没有返回值,因此在此处重新定义MyThread类,使线程拥有返回值
            此方法来源 https://www.cnblogs.com/hujq1029/p/7219163.html?utm_source=itdadao&utm_medium=referral
            """
            super(MyThread, self).__init__()
            self.func = target
            self.args = args
    
        def run(self):
            # 接受返回值
            self.result = self.func(*self.args)
    
        def get_result(self):
            # 线程不结束,返回值为None
            try:
                return self.result
            except Exception:
                return None
    
    
    # 为了限制真实请求时间或函数执行时间的装饰器
    def limit_decor(limit_time):
        """
        :param limit_time: 设置最大允许执行时长,单位:秒
        :return: 未超时返回被装饰函数返回值,超时则返回 None
        """
    
        def functions(func):
            # 执行操作
            def run(*params):
                thre_func = MyThread(target=func, args=params)
                # 主线程结束(超出时长),则线程方法结束
                thre_func.setDaemon(True)
                thre_func.start()
                # 计算分段沉睡次数
                sleep_num = int(limit_time // 1)
                sleep_nums = round(limit_time % 1, 1)
                # 多次短暂沉睡并尝试获取返回值
                for i in range(sleep_num):
                    time.sleep(1)
                    infor = thre_func.get_result()
                    if infor:
                        return infor
                time.sleep(sleep_nums)
                # 最终返回值(不论线程是否已结束)
                if thre_func.get_result():
                    return thre_func.get_result()
                else:
                    return"请求超时"  #超时返回  可以自定义
    
            return run
    
        return functions
    
    #接口函数
    def a1():
        print("开始请求接口")
    
        #这里把逻辑封装成一个函数,使用线程调用
        a_theadiing = MyThread(target=a2)
        a_theadiing.start()
        a_theadiing.join()
    
        #返回结果
        a = a_theadiing.get_result()
    
        print("请求完成")
        return a
    @limit_decor(3)   #超时设置为3s   2s逻辑未执行完毕返回接口超时
    def a2():
        print("开始执行")
        time.sleep(2)
        print("执行完成")
        a=2
        return a
    
    # 程序入口     未超时返回a的值   超时返回请求超时
    if __name__ == '__main__':
        a = a1()  #调用接口(这里把函数a1看做一个接口)
        print(a)

    超时设置3s,线程调用函数运行2s,这里返回a的值2。

    方法2:使用信号模块signal(只能在unix系统使用)

    signal负责在Python程序内部处理信号,典型的操作包括预设信号处理函数,暂停并等待信号,以及定时发出SIGALRM等。

    要注意,signal包主要是针对UNIX平台(比如Linux, MAC OS),而Windows内核中由于对信号机制的支持不充分,所以在Windows上的Python不能发挥信号系统的功能。

    信号是进程之间通讯的方式,是一种软件中断。一个进程一旦接收到信号就会打断原来的程序执行流程来处理信号。

    def set_timeout(num):
        def wrap(func):
            def handle(signum, frame):  # 收到信号 SIGALRM 后的回调函数,第一个参数是信号的数字,第二个参数是the interrupted stack frame.
                raise RuntimeError
    
            def to_do(*args):
                try:
                    signal.signal(signal.SIGALRM, handle)  # 设置信号和回调函数
                    signal.alarm(num)  # 设置 num 秒的闹钟
                    print('start alarm signal.')
                    r = func(*args)
                    print('close alarm signal.')
                    signal.alarm(0)  # 关闭闹钟
                    return r
                except RuntimeError as e:
                    return "超时啦"
            return to_do
    
        return wrap
    
    
    @set_timeout(2)  # 限时 2 秒超时
    def connect():  # 要执行的函数
        time.sleep(3)  # 函数执行时间,写大于2的值,可测试超时
        return "完成"
    
    
    if __name__ == '__main__':
        a = connect()
    
  • 相关阅读:
    数据结构之队列java版
    SPSS-相关性和回归分析(一元线性方程)案例解析(转)
    SPSS-非参数检验—两独立样本检验 案例解析(转)
    spss-非参数检验-K多个独立样本检验( Kruskal-Wallis检验)案例解析(转)
    SPSS-Friedman 秩和检验-非参数检验-K个相关样本检验 案例解析(转)
    SPSS-多重响应-频率和交叉表案例分析(问卷调查分析)(转)
    SPSS—回归—多元线性回归(转)
    SPSS—回归—曲线估计方程案例解析(转)
    SPSS—非线性回归(模型表达式)案例解析(转)
    SPSS—二元Logistic回归(转)
  • 原文地址:https://www.cnblogs.com/lyxdw/p/10033118.html
Copyright © 2011-2022 走看看