Python中异常重试解决方案

在做数据抓取的时候,经常遇到由于网络问题导致的程序保存,先前只是记录了错误内容,并对错误内容进行后期处理。

原先的流程:

 
 
 
 
  1. def crawl_page(url): 
  2.  
  3.  
  4.     pass 
  5.  
  6.  
  7.   
  8.  
  9.  
  10. def log_error(url): 
  11.  
  12.  
  13.     pass 
  14.  
  15.  
  16.   
  17.  
  18.  
  19. url = "" 
  20.  
  21.  
  22. try: 
  23.  
  24.  
  25.    crawl_page(url) 
  26.  
  27.  
  28. except: 
  29.  
  30.  
  31.     log_error(url) 

改进后的流程:

 
 
 
 
  1. attempts = 0 
  2.  
  3.  
  4. success = False 
  5.  
  6.  
  7. while attempts < 3 and not success: 
  8.  
  9.  
  10.     try: 
  11.  
  12.  
  13.         crawl_page(url) 
  14.  
  15.  
  16.         success = True 
  17.  
  18.  
  19.     except: 
  20.  
  21.  
  22.         attempts = 1 
  23.  
  24.  
  25.         if attempts == 3: 
  26.  
  27.  
  28.             break 

最近发现的新的解决方案:retrying

retrying 是一个 Python 的重试包,可以用来自动重试一些可能运行失败的程序段。retrying 提供一个装饰器函数 retry,被装饰的函数就会在运行失败的条件下重新执行,默认只要一直报错就会不断重试。

 
 
 
 
  1. import random 
  2.  
  3.  
  4. from retrying import retry 
  5.  
  6.  
  7.   
  8.  
  9.  
  10. @retry 
  11.  
  12.  
  13. def do_something_unreliable(): 
  14.  
  15.  
  16.     if random.randint(0, 10) > 1: 
  17.  
  18.  
  19.         raise IOError("Broken sauce, everything is hosed!!!111one") 
  20.  
  21.  
  22.     else: 
  23.  
  24.  
  25.         return "Awesome sauce!" 
  26.  
  27.  
  28.   
  29.  
  30.  
  31. print do_something_unreliable() 

如果我们运行 haveatry 函数,那么直到 random.randint 返回 5,它才会执行结束,否则会一直重新执行。

retry 还可以接受一些参数,这个从源码中 Retrying 类的初始化函数可以看到可选的参数:

  • stopmaxattempt_number:用来设定***的尝试次数,超过该次数就停止重试
  • stopmaxdelay:比如设置成 10000,那么从被装饰的函数开始执行的时间点开始,到函数成功运行结束或者失败报错中止的时间点,只要这段时间超过 10 秒,函数就不会再执行了
  • wait_fixed:设置在两次 retrying 之间的停留时间
  • waitrandommin 和 waitrandommax:用随机的方式产生两次 retrying 之间的停留时间
  • waitexponentialmultiplier 和 waitexponentialmax:以指数的形式产生两次 retrying 之间的停留时间,产生的值为 2^previousattemptnumber * waitexponentialmultiplier,previousattemptnumber 是前面已经 retry 的次数,如果产生的这个值超过了 waitexponentialmax 的大小,那么之后两个 retrying 之间的停留值都为 waitexponentialmax。这个设计迎合了 exponential backoff 算法,可以减轻阻塞的情况。

我们可以指定要在出现哪些异常的时候再去 retry,这个要用 retryonexception 传入一个函数对象:

 
 
 
 
  1. def retry_if_io_error(exception): 
  2.  
  3.  
  4.     return isinstance(exception, IOError) 
  5.  
  6.  
  7.   
  8.  
  9.  
  10. @retry(retry_on_exception=retry_if_io_error) 
  11.  
  12.  
  13. def read_a_file(): 
  14.  
  15.  
  16.     with open("file", "r") as f: 
  17.  
  18.  
  19.         return f.read() 

在执行 readafile 函数的过程中,如果报出异常,那么这个异常会以形参 exception 传入 retryifio_error 函数中,如果 exception 是 IOError 那么就进行 retry,如果不是就停止运行并抛出异常。

我们还可以指定要在得到哪些结果的时候去 retry,这个要用 retryonresult 传入一个函数对象:

 
 
 
 
  1. def retry_if_result_none(result): 
  2.  
  3.  
  4.     return result is None 
  5.  
  6.  
  7.   
  8.  
  9.  
  10. @retry(retry_on_result=retry_if_result_none) 
  11.  
  12.  
  13. def get_result(): 
  14.  
  15.  
  16.     return None 

在执行 getresult 成功后,会将函数的返回值通过形参 result 的形式传入 retryifresultnone 函数中,如果返回值是 None 那么就进行 retry,否则就结束并返回函数值。

其他相关资料:

  • https://pypi.python.org/pypi/retry/
  • https://julien.danjou.info/blog/2015/python-retrying
  • https://github.com/rholder/retrying

分享题目:Python中异常重试解决方案
本文URL:http://www.shufengxianlan.com/qtweb/news20/356520.html

网站建设、网络推广公司-创新互联,是专注品牌与效果的网站制作,网络营销seo公司;服务项目有等

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联