为网友们分享了相关的编程文章,网友韩溶溶根据主题投稿了本篇教程内容,涉及到Flask嵌套启动子线程、Flask子线程启动、Flask嵌套启动子线程相关内容,已被958网友关注,如果对知识点想更进一步了解可以在下方电子资料中获取。
Flask嵌套启动子线程
正文
如果你在Flask中启动过子线程,然后在子线程中读写过g
对象或者尝试从request
对象中读取url参数,那么,你肯定对下面这个报错不陌生:RuntimeError: Working outside of request context.
.
例如下面这段Flask代码:
import threading from flask import Flask, request app = Flask(__name__) def inner_func(): doc_id = request.args.get('doc_id', '') print(f'用户ID为:{doc_id}') @app.route('/start_thread') def start_thread(): thread = threading.Thread(target=inner_func) thread.start() return {'success': True, 'msg': '获取用户ID成功!'}
请求/start_thread
接口就会报错,如下图所示:
如果你在网上搜索flask thread RuntimeError: Working outside of request context.
,那么你可能会看到官方文档或者StackOverFlow上面提供了一个装饰器@copy_current_request_context
。如下图所示:
照着它这样写,确实能解决问题,如下图所示:
但无论是官网还是StackOverFlow,它的例子都非常简单。但是我们知道,启动线程有很多种方法,例如:
# 方法一,启动简单线程 import threading job = threading.Thread(target=函数名, args=(参数1, 参数2), kwargs={'参数3': xxx, '参数4': yyy}) job.start() # 方法2,使用类定义线程 import threading class Job(threading.Thread): def __init__(self, 参数): super().__init__() def run(self): print('子线程开始运行') job = Job(参数) job.start() # 方法3,使用线程池 from multiprocessing.dummy import Pool pool = Pool(5) # 5个线程的线程池 pool.map(函数名, 参数列表)
网上的方法只能解决第一种写法的问题。如果想使用方法2和方法3启动子线程,代码应该怎么写呢?如果在子线程中又启动子线程,再用一次@copy_current_request_context
还行吗?
相信我,你在网上搜索一下午,只有两种结果:一是找不到答案,二是找到的答案是晚于2023年1月14日的,因为是别人看了我这篇文章以后,再写的。
解答上面的问题前,还是说明一下我对于在后端启动子线程这个行为的观点。例如有些人喜欢在后端挂一个爬虫,请求接口以后,通过线程启动爬虫,爬虫开始爬数据。又或者,有些人在后端上面挂了一些复杂的程序代码,请求接口以后,后端启动子线程,在子线程中运行这些代码。
我一向是不建议在后端又启动子线程去做复杂操作的。无论你使用的是Flask还是Django还是FastAPI。正确的做法应该是使用消息队列,后端只是把触发任务的相关参数发送到消息队列中。下游真正的运行程序从消息队列读取到触发参数以后,开始运行。
但有时候,你可能综合考虑性价比,觉得再增加一个消息队列,成本太高;或者干脆是要赶工期,不得不先暂时使用多线程来解决问题,那么这篇文章将会极大帮助到你。
尽量不要在子线程中读取请求相关的参数
如果你的子线程不需要读写g
对象,也不需要从请求中读取各种参数,那么你就可以关闭这篇文章了。因为你的子线程可以直接运行,不会遇到什么的问题,例如:
所以最好的解决方法,就是在启动子线程之前,提前先获取到子线程需要的每一个参数,然后把这些参数在启动子线程的时候作为函数参数传进去。如果你是从零开始写代码,那么一开始这样做,就可以帮你避免很多麻烦。
但如果你是修改已有的代码,并且嵌套太深,已经没有办法一层一层传入参数,或者代码量太大,不知道哪些地方悄悄调用了g
对象或者读写了请求上下文,那么你可以继续往下看。
装饰闭包函数而不是一级函数
上面的简单多线程写法,有一个地方需要特别注意,被@copy_current_request_context
装饰的子线程入口函数inner_func
,必须是闭包函数,不能是一级函数。如下图所示:
如果不小心装饰了一级函数,就会报如下的错误:
线程池复制请求上下文
当我们使用multiprocessing.dummy
来实现线程池时,代码如下:
from multiprocessing.dummy import Pool from flask import Flask, request, copy_current_request_context, g app = Flask(__name__) @app.route('/start_thread', methods=['POST']) def start_thread(): @copy_current_request_context def crawl(doc_id): url_template = request.json.get('url_template', '') url = url_template.format(doc_id=doc_id) print(f'开始爬取:{url}') doc_id_list = [123, 456, 789, 111, 222, 333, 444] pool = Pool(3) pool.map(crawl, doc_id_list) return {'success': True, 'msg': '爬取文章成功!'}
运行效果如下图所示:
写法上整体跟threading.Thread
启动简单线程的方法差不多。
用类定义线程时复制请求上下文
当我们额外定义了一个线程类时,需要把被装饰的闭包函数传入到子线程中,然后在子线程的run()
方法中运行:
import threading from flask import Flask, request, copy_current_request_context app = Flask(__name__) class Job(threading.Thread): def __init__(self, func): super().__init__() self.func = func def run(self): self.func() @app.route('/start_thread', methods=['POST']) def start_thread(): @copy_current_request_context def runner(): doc_id = request.json.get('doc_id', '') print(f'docId的值是:{doc_id}') job = Job(runner) job.start() return {'success': True, 'msg': '读取文章成功!'}
运行效果如下图所示:
嵌套子线程复制请求上下文
有时候,我们先创建了一个子线程,然后在子线程中,又需要创建孙线程。并且在孙线程中读取请求上下文。例如下面的代码:
import threading from multiprocessing.dummy import Pool from flask import Flask, request, copy_current_request_context app = Flask(__name__) def deep_func_runner(doc_id_list): @copy_current_request_context def deep_func(doc_id): category = request.args.get('category', '') url = f'https://www.kingname.info/{category}/{doc_id}' print(f'开始爬取:{url}') pool = Pool(3) pool.map(deep_func, doc_id_list) @app.route('/start_thread', methods=['POST']) def start_thread(): @copy_current_request_context def runner(): doc_id_list = [111, 222, 333, 444, 555, 666, 777, 888, 999] deep_func_runner(doc_id_list) job = threading.Thread(target=runner) job.start() return {'success': True, 'msg': '读取文章成功!'}
此时使用@copy_current_request_context
就会报您一个错误:ValueError:
。如下图所示:
这个时候,我们就需要额外再创建一个装饰器:
def copy_current_app_context(f): from flask.globals import _app_ctx_stack appctx = _app_ctx_stack.top def _(*args, **kwargs): with appctx: return f(*args, **kwargs) return _
@copy_current_app_context
这个装饰器需要放到孙线程里面@copy_current_request_context
的上面。完整的代码为:
import threading from multiprocessing.dummy import Pool from flask import Flask, request, copy_current_request_context app = Flask(__name__) def copy_current_app_context(f): from flask.globals import _app_ctx_stack appctx = _app_ctx_stack.top def _(*args, **kwargs): with appctx: return f(*args, **kwargs) return _ def deep_func_runner(doc_id_list): @copy_current_app_context @copy_current_request_context def deep_func(doc_id): category = request.args.get('category', '') url = f'https://www.kingname.info/{category}/{doc_id}' print(f'开始爬取:{url}') pool = Pool(3) pool.map(deep_func, doc_id_list) @app.route('/start_thread', methods=['POST']) def start_thread(): @copy_current_request_context def runner(): doc_id_list = [111, 222, 333, 444, 555, 666, 777, 888, 999] deep_func_runner(doc_id_list) job = threading.Thread(target=runner) job.start() return {'success': True, 'msg': '读取文章成功!'}
运行效果如下图所示,孙线程也正常启动了:
总结
- 非必要不在后端中创建子线程
- 创建子线程时,如果能把参数从外面传入,就不要让子线程自己去Flask的上下文读取
@copy_current_request_context
需要装饰闭包函数,不能装饰一级函数- 嵌套子线程需要同时使用
@copy_current_app_context
和@copy_current_request_context
两个装饰器来装饰孙线程的闭包函数
以上就是Flask中嵌套启动子线程的方法示例详解的详细内容,更多关于Flask嵌套启动子线程的资料请关注码农之家其它相关文章!