Python的线程卡在Popen.communicate中

Question

我有一个使用线程的Python应用程序，如下所示：

1. 创建任务队列（队列模块）
2. 创建10个线程并将其传递给每个队列对象
3. 将任务放入队列（总共约8500个任务）
4. 每个线程：
   • 接受任务并使用Popen.communicate（）运行一些Linux命令

互斥量，关键部分，队列管理-我的线程池库已经在几个较小的项目中进行了测试，因此没有理由认为那里有什么……

当我有成千上万个任务时，一切工作正常，但是当我有更多任务（在这种情况下，超过8500个）时，某些线程将挂起。 gdb显示它们被卡在_execute子级（第1131行）中python的subprocess.py中->意味着在调用os.fork（）之后。

gdb：

 (gdb) pystack
 /opt/python/current/lib/python2.7/subprocess.py (1131): _execute_child
 /opt/python/current/lib/python2.7/subprocess.py (681): __init__
 /home/olibsup/tools/chelo/checks/checkUtils/osutils/cmdutils.py (115): shcmd
 /home/olibsup/tools/chelo/checks/liblist/libWorkers.py (204): workerFunction
 /home/olibsup/tools/chelo/checks/checkUtils/pools/thpool.py (160): run
 /opt/python/current/lib/python2.7/threading.py (160): __bootstrap_inner
 /opt/python/current/lib/python2.7/threading.py (553): __bootstrap

我的ulimit显示：

core file size          (blocks, -c) unlimited
data seg size           (kbytes, -d) unlimited
file size               (blocks, -f) unlimited
pending signals                 (-i) 139264
max locked memory       (kbytes, -l) 32
max memory size         (kbytes, -m) unlimited
open files                      (-n) 1024
pipe size            (512 bytes, -p) 8
POSIX message queues     (bytes, -q) 819200
stack size              (kbytes, -s) 8192
cpu time               (seconds, -t) unlimited
max user processes              (-u) 139264
virtual memory          (kbytes, -v) unlimited
file locks                      (-x) unlimited

'top'也没有显示任何可疑的东西（至少对我来说不是）：

Cpu(s):  0.0%us,  0.0%sy,  0.0%ni,100.0%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:  16438200k total, 15705272k used,   732928k free,   751640k buffers
Swap:  3148700k total,       44k used,  3148656k free, 11692300k cached

你有什么主意为什么线程挂在那里？
并非所有线程都挂起，某些线程（10个中的5个）已正确完成（当没有更多任务可用时）。

谢谢您的帮助，
兹比格涅夫

Answer 1

在行一千一百三十二分之一千一百三十一subprocess.py，文件描述符通过复制os.dup 。

因此，我怀疑您的操作系统正在限制子进程的数量和/或应用程序可用的文件描述符的数量。 但是，我不明白为什么os.dup在这种情况下不会引发/抛出异常。

尝试找出操作系统的限制并保持在该限制之下。 对于基于UNIX的系统，您可能可以使用Python的资源模块（尽管我自己从未使用过）： http : //docs.python.org/library/resource.html