个人中心
gpt4 book ai didi

Python retrying 重试机制详解

转载 作者：qq735679552 更新时间：2022-09-28 22:32:09 31 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python retrying 重试机制详解由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

我们在程序开发中，经常会需要请求一些外部的接口资源，而且我们不能保证每次请求一定会成功，所以这些涉及到网络请求的代码片段就需要加上重试机制。下面来说一下Python中的重试方法.

循环加判断

最简单的重试方式就是在需要进行重试的代码片段上加一个循环，程序内捕获异常，如果执行成功就退出循环，执行失败就就重复执行相关代码，例如:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import requests
def req_with_retry(url):
     retry_max = 10  # 最大重试次数为10次
     for i in range ( 1 , retry_max + 1 ):
         try :
             print ( "第{}次请求" . format (i))
             # 这里请求不到会抛ConnectTimeout异常
             res = requests.get(url, timeout = 1 )
             data = res.json()
             print ( "请求成功：" , data)
             break
         except requests.exceptions.ConnectTimeout as e:
             continue
# 请求一个不存在的网址
req_with_retry(https: / / www.hahaha.cn / haha)

执行结果:

Python retrying 重试机制详解

由于请求了一个不存在的网址，所以一直在重试，知道达到最大次数10次。但是这样有一定的代码侵入性，在业务逻辑上加入循环判断显得很不美观，别着急，往下看，还有更好的方法.

retrying

retrying是Python的一个第三方库，它提供一个装饰器函数retry，被装饰的业务函数就会在运行失败的条件下重新执行，默认只要报错就会一直重试，直至执行成功.

可以使用pip install retrying进行安装.

例如下面一段代码，我们使用生成随机数的大小的方式模拟业务的成功与失败，只要是生成的随机数大于2，都视为失败，就会重试，直到生成的随机数小于2:

?
1
2
3
4
5
6
7
8
9
import random
from retrying import retry
@retry
def random_with_retry():
     if random.randint( 0 , 10 ) > 2 :
         print ( "大于2，重试..." )
         raise Exception( "大于2" )
     print ( "小于2，成功！" )
random_with_retry()

运行结果如下:

Python retrying 重试机制详解

retry还可以接受一些参数，下面是源码中Retrying类的初始化函数中可选的参数:

Python retrying 重试机制详解

stop_max_attempt_number：最大重试次数，超过该次数就停止重试 。

stop_max_delay：最大延迟时间（执行这个方法重试的总时间），超过该时间就停止 。

wait_fixed：两次retrying之间的等待时间 。

wait_random_min和wait_random_max：用随机的方式产生两次retrying之间的等待时间 。

wait_incrementing_start和wait_incrementing_increment：每调用一次增加固定时长 。

wait_exponential_multiplier和wait_exponential_max：以指数的形式产生两次retrying之间的等待时间，产生的值为2^previous_attempt_number * wait_exponential_multiplier，previous_attempt_number是前面已经retry的次数，如果产生的这个值超过了wait_exponential_max的大小，那么之后两个retrying之间的停留值都为wait_exponential_max.

特别需要注意的是retry_on_exception参数，它接收一个函数，用法如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 判断异常
def is_MyError(exception):
     print ( "判断异常" , exception)
     print ( isinstance (exception, (ValueError, IOError, ConnectionError)))
     return isinstance (exception, (ValueError, IOError, ConnectionError))
@retry (retry_on_exception = is_MyError)
def random_with_retry():
     """
     随机一个0-10之前的整数，大于2抛异常，小于2成功
     :return:
     """
     if random.randint( 0 , 10 ) > 2 :
         print ( "大于2，重试..." )
         raise ValueError( "大于2" )
     print ( "小于2，成功！" )
random_with_retry()

这里retry_on_exception参数的大体思想是：接收一个自定义函数is_MyError，在is_MyError函数里判断了是不是属于ValueError, IOError, ConnectionError这三种异常；random_with_retry()函数如果抛出了异常，会去函数is_MyError()判断返回的是True还是False，如果是True则继续重试，如果是False则立即停止并抛出异常.

还有retry_on_result参数，也是接收一个函数，判断业务函数返回哪些结果时需要重试，思想和retry_on_exception参数类似.

我们可以根据自己的需要进行合理的搭配这些参数，达到我们想要的效果.

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注我的更多内容.

原文链接：https://blog.csdn.net/weixin_50097774/article/details/121477820 。

最后此篇关于Python retrying 重试机制详解的文章就讲到这里了,如果你想了解更多关于Python retrying 重试机制详解的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

31 4 0
文章推荐： Python强大的自省机制详解
文章推荐： 深入理解Python的元类
文章推荐： Flask response 对象详情
文章推荐： Flask request 对象介绍
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com