python - zmq.error.ZMQError : Address already in use, 使用 papermill 对多个笔记本运行多处理时

Question

我正在使用 papermill 库同时使用多处理运行多个笔记本。

这发生在 Python 3.6.6、Red Hat 4.8.2-15 上的 Docker 容器中。

但是，当我运行 python 脚本时，由于我收到此错误，大约 5% 的笔记本无法立即工作(没有 Jupyter 笔记本单元运行):

Traceback (most recent call last):
  File "/opt/conda/lib/python3.6/runpy.py", line 193, in _run_module_as_main
    "__main__", mod_spec)
  File "/opt/conda/lib/python3.6/runpy.py", line 85, in _run_code
    exec(code, run_globals)
  File "/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py", line 16, in <module>
    app.launch_new_instance()
  File "/opt/conda/lib/python3.6/site-packages/traitlets/config/application.py", line 657, in launch_instance
    app.initialize(argv)
  File "<decorator-gen-124>", line 2, in initialize
  File "/opt/conda/lib/python3.6/site-packages/traitlets/config/application.py", line 87, in catch_config_error
    return method(app, *args, **kwargs)
  File "/opt/conda/lib/python3.6/site-packages/ipykernel/kernelapp.py", line 469, in initialize
    self.init_sockets()
  File "/opt/conda/lib/python3.6/site-packages/ipykernel/kernelapp.py", line 238, in init_sockets
    self.shell_port = self._bind_socket(self.shell_socket, self.shell_port)
  File "/opt/conda/lib/python3.6/site-packages/ipykernel/kernelapp.py", line 180, in _bind_socket
    s.bind("tcp://%s:%i" % (self.ip, port))
  File "zmq/backend/cython/socket.pyx", line 547, in zmq.backend.cython.socket.Socket.bind
  File "zmq/backend/cython/checkrc.pxd", line 25, in zmq.backend.cython.checkrc._check_rc
zmq.error.ZMQError: Address already in use

连同:

Traceback (most recent call last):
  File "/opt/conda/lib/python3.6/multiprocessing/process.py", line 258, in _bootstrap
    self.run()
  File "/opt/conda/lib/python3.6/multiprocessing/process.py", line 93, in run
    self._target(*self._args, **self._kwargs)
  File "main.py", line 77, in run_papermill
    pm.execute_notebook(notebook, output_path, parameters=config)
  File "/opt/conda/lib/python3.6/site-packages/papermill/execute.py", line 104, in execute_notebook
    **engine_kwargs
  File "/opt/conda/lib/python3.6/site-packages/papermill/engines.py", line 49, in execute_notebook_with_engine
    return self.get_engine(engine_name).execute_notebook(nb, kernel_name, **kwargs)
  File "/opt/conda/lib/python3.6/site-packages/papermill/engines.py", line 304, in execute_notebook
    nb = cls.execute_managed_notebook(nb_man, kernel_name, log_output=log_output, **kwargs)
  File "/opt/conda/lib/python3.6/site-packages/papermill/engines.py", line 372, in execute_managed_notebook
    preprocessor.preprocess(nb_man, safe_kwargs)
  File "/opt/conda/lib/python3.6/site-packages/papermill/preprocess.py", line 20, in preprocess
    with self.setup_preprocessor(nb_man.nb, resources, km=km):
  File "/opt/conda/lib/python3.6/contextlib.py", line 81, in __enter__
    return next(self.gen)
  File "/opt/conda/lib/python3.6/site-packages/nbconvert/preprocessors/execute.py", line 345, in setup_preprocessor
    self.km, self.kc = self.start_new_kernel(**kwargs)
  File "/opt/conda/lib/python3.6/site-packages/nbconvert/preprocessors/execute.py", line 296, in start_new_kernel
    kc.wait_for_ready(timeout=self.startup_timeout)
  File "/opt/conda/lib/python3.6/site-packages/jupyter_client/blocking/client.py", line 104, in wait_for_ready
    raise RuntimeError('Kernel died before replying to kernel_info')
RuntimeError: Kernel died before replying to kernel_info

请帮我解决这个问题，因为我已经在网上搜索了不同的解决方案，但到目前为止，没有一个对我的情况有效。

无论我同时运行的笔记本数量或计算机上的内核数量如何，都会出现 5% 的错误率，这让人格外好奇。

我已经尝试更改启动方法并更新库但无济于事。

我的库的版本是:

papermill==1.2.1
ipython==7.14.0
jupyter-client==6.1.3

谢谢!

Answer 1

明确的问题归因指向 ZeroMQ 无法成功 .bind()。

错误消息:zmq.error.ZMQError: Address already in use 更容易解释。尽管 ZeroMQ AccessPoint-s 可以，出于显而易见的原因，可以自由地尝试 .connect() 到许多对应方，但只有一个可以 .bind()/strong> 到特定传输类的地址目标。

发生这种情况的可能原因有以下三个:

1 ) 通过 { multiprocessing.Process | 意外调用了一些代码(不知道内部细节)
joblib.并行| Docker 包装 | ... -spawned 副本，每个副本都尝试获取某个 ZeroMQ 传输类地址的所有权，由于显而易见的原因，在第一个成功后，任何尝试都将失败。

2 ) 一个相当致命的情况，一些“先前”运行的进程没有设法释放此类传输类特定地址以供进一步使用(不要记得 ZeroMQ 可能只是其中之一其他感兴趣的候选人 - 配置管理缺陷)，或者在这种情况下，先前的运行未能正常终止此类资源使用并且仍然是 Context()-instance 仍在等待(在某些情况下会无限期直到操作系统重启)监听某些东西，这永远不会发生。

3 ) 模块软件设计中的一个确实糟糕的工程实践，不处理 ZeroMQ API 记录的 EADDRINUSE 错误/异常不如残酷让整个马戏团崩溃(为此付出所有相关代价)

---

另一条错误消息:RuntimeError: Kernel died before replying to kernel_info 与一个状态相关，笔记本的内核尝试了很长时间来建立所有内部连接自己的组件 ( pool-peers ) 等待的时间比配置或硬编码的超时时间长，内核进程只是停止等待，并将自己抛入您观察到和报告的其他未处理的异常中。

解决方案

首先检查是否有任何挂起的地址所有者，如果对此有疑问则重新启动所有节点，然后验证您自己的代码中没有“隐藏”的碰撞尝试/ { multiprocessing.Process() |作业库.Parallel() | ... 类似 的调用，在分发后可能会尝试将 .bind() 到同一目标上。如果这些步骤都无法解决您控制范围内的问题，请询问模块的使用支持，以分析并帮助您重构和验证仍然存在冲突的用例。