python - 如何使用ThreadPoolExecutor递归遍历目录？

Question

我的真正任务是使用多线程的 paramiko 递归遍历远程目录。为了简单起见，我只是使用本地文件系统来演示它:

from pathlib import Path
from typing import List
from concurrent.futures import ThreadPoolExecutor, Executor

def listdir(root: Path, executor: Executor) -> List[Path]:
    if root.is_dir():
        xss = executor.map(lambda d: listdir(d, executor), root.glob('*'))
        return sum(xss, [])
    return [root]

with ThreadPoolExecutor(4) as e:
    listdir(Path('.'), e)

但是，上面的代码一直跑不完。

我的代码有什么问题？以及如何修复它(最好使用 Executor 而不是原始的 Thread)？

编辑:我已经通过以下代码确认了@Sraw 的回答:

In [4]: def listdir(root: Path, executor: Executor) -> List[Path]:
   ...:     print(f'Enter {root}', flush=True)
   ...:     if root.is_dir():
   ...:         xss = executor.map(lambda d: listdir(d, executor), root.glob('*'))
   ...:         return sum(xss, [])
   ...:     return [root]
   ...:

In [5]: with ThreadPoolExecutor(4) as e:
   ...:     listdir(Path('.'), e)
   ...:
Enter .
Enter NonRestrictedShares
Enter corporateActionData
Enter RiskModelAnnualEPS
Enter juyuan

Answer 1

您的代码中存在死锁。

由于您正在使用 ThreadPoolExecutor(4)，因此该执行器中只有四个工作线程，因此您不能同时运行四个以上的任务。

想象以下最简单的结构:

test
----script.py
----test1
--------test2
------------test3
----------------test4
--------------------test5

如果python script.py，第一个工作线程处理test1，第二个处理test1/test2，第三个处理test1/test2/test3，第四个处理test1/test2/test3/test4。现在工作线程已经用完了。但是还有另一个任务 test1/test2/test3/test4/test5 插入到工作队列中。

所以它会永远挂起。