Python retrying 重试机制详解_Python

Python retrying 重试机制详解

2022-03-08 00:05程序员-夏天 Python

这篇文章主要为大家介绍了Python retrying 重试机制，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助

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：

				?

									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：

				?

									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：

				?

									# 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。