Python 子进程返回错误的退出代码

Question

我编写了一个脚本来启动多个并行运行的进程(简单的单元测试)。它将同时执行 N 个作业，并使用 num_workers 个并行进程。

我的第一个实现以 num_workers 的批处理运行进程并且似乎工作正常(我在这里使用 false 命令来测试行为)

import subprocess

errors = 0
num_workers = 10
N = 100
i = 0

while i < N:
    processes = []
    for j in range(i, min(i+num_workers, N)):
        p = subprocess.Popen(['false'])
        processes.append(p)

    [p.wait() for p in processes]
    exit_codes = [p.returncode for p in processes]

    errors += sum(int(e != 0) for e in exit_codes)
    i += num_workers

print(f"There were {errors}/{N} errors")

但是，测试不会花费相同的时间，所以我有时会等待一个缓慢的测试完成。因此我重写了它以在任务完成时继续分配任务

import subprocess
import os


errors = 0
num_workers = 40
N = 100
assigned = 0
completed = 0
processes = set()

while completed < N:
    if assigned < N:
        p = subprocess.Popen(['false'])
        processes.add((assigned, p))
        assigned += 1
    if len(processes) >= num_workers or assigned == N:
        os.wait()

    for i, p in frozenset(processes):
        if p.poll() is not None:
            completed += 1
            processes.remove((i, p))
            err = p.returncode
            print(i, err)
            if err != 0:
                errors += 1

print(f"There were {errors}/{N} errors")

然而，这会为最后几个进程产生错误的结果。例如，在上面的示例中，它产生了 98/100 个错误而不是 100 个。我检查了一下，这与并发性无关；出于某种原因，最近的 2 个作业以退出代码 0 返回。

为什么会这样？

Answer 1

问题出在 os.wait() 上。它不仅等待子进程退出:它还返回该子进程的 pid 和“退出状态指示”，如the documentation。说。这需要等到子进程终止；但是一旦子进程终止，它的返回码就不再可用于poll。这是重现问题的简单测试:

false_runner.py

import os
import subprocess
p = subprocess.Popen(['false'], stderr=subprocess.DEVNULL)
pid, retcode = os.wait()
print("From os.wait: {}".format(retcode))
print("From popen object before poll: {}".format(p.returncode))
p.poll()
print("From popen object after poll: {}".format(p.returncode))

输出

njv@organon:~/tmp$ python false_runner.py
From os.wait: 256
From Popen object before poll: None
From Popen object after poll: 0

The source code for _internal_poll, called by Popen.poll , 清楚地表明这里发生了什么:当 Popen 尝试在其子进程的 pid 上调用 _waitpid 时，它得到 ChildProcessError: [Errno 10] No child processes，并为自己分配一个 0 的 returncode，因为此时无法确定子进程的返回码。

在您的示例中仅在最后几个子进程中发生这种情况的原因是因为 os.wait 仅在 or assigned == N 情况下被调用，并且只有一两次，因为你的子进程太快了。如果你放慢一点，你会得到更多的随机行为。

至于修复:我可能只是将 os.wait() 替换为 sleep 。