我有一个长时间运行的 Twitter 抓取脚本,偶尔会挂起,堆栈跟踪以
结尾"/usr/lib/python2.7/ssl.py", line 305: self._sslobj.do_handshake()
我的问题是“为什么?”和“我能做些什么来解决它?”。
这种情况通常会持续一周左右。最后一次,处理 tweepy
的 4 个线程中的 3 个挂起(第四个正在等待来自挂起线程的信息)。奇怪的是,挂起的线程之间有相当长的延迟:首先,线程调用 api.followers_ids()
挂起,然后大约 12 分钟后线程调用 api.friends_ids()
挂起,然后 1 小时 12 分钟后(!)线程调用 api.search()
挂了。在所有这些之间有许多 api 调用。
当我发送 QUIT
时,我有一些代码可以转储它的堆栈跟踪。信号,对于挂起的线程,我得到了类似以下内容的信息。它们与(并包括)第二个条目(tweepy/binder.py, line 185, in _call
部分)完全相同。另外两个从tweepy/cursor.py, line 85 in next
到达那里和 tweepy/cursor.py, line 60, in next
:
File "myTwitterScrapingScript.py", line 245, in checkStatus
status = api.rate_limit_status()
File "/scratch/bin/python-virtual-environments/tweepy-2/local/lib/python2.7/site-packages/tweepy/binder.py", line 185, in _call
return method.execute()
File "/scratch/bin/python-virtual-environments/tweepy-2/local/lib/python2.7/site-packages/tweepy/binder.py", line 146, in execute
conn.request(self.method, url, headers=self.headers, body=self.post_data)
File "/usr/lib/python2.7/httplib.py", line 958, in request
self._send_request(method, url, body, headers)
File "/usr/lib/python2.7/httplib.py", line 992, in _send_request
self.endheaders(body)
File "/usr/lib/python2.7/httplib.py", line 954, in endheaders
self._send_output(message_body)
File "/usr/lib/python2.7/httplib.py", line 814, in _send_output
self.send(msg) File "/scratch/bin/python-virtual-environments/tweepy-2/local/lib/python2.7/site-packages/tweepy/binder.py", line 185, in _call
return method.execute()
File "/scratch/bin/python-virtual-environments/tweepy-2/local/lib/python2.7/site-packages/tweepy/binder.py", line 146, in execute
conn.request(self.method, url, headers=self.headers, body=self.post_data)
File "/usr/lib/python2.7/httplib.py", line 958, in request
self._send_request(method, url, body, headers)
File "/usr/lib/python2.7/httplib.py", line 992, in _send_request
self.endheaders(body)
File "/usr/lib/python2.7/httplib.py", line 954, in endheaders
self._send_output(message_body)
File "/usr/lib/python2.7/httplib.py", line 814, in _send_output
self.send(msg)
File "/usr/lib/python2.7/httplib.py", line 776, in send
self.connect()
File "/usr/lib/python2.7/httplib.py", line 1161, in connect
self.sock = ssl.wrap_socket(sock, self.key_file, self.cert_file)
File "/usr/lib/python2.7/ssl.py", line 381, in wrap_socket
ciphers=ciphers)
File "/usr/lib/python2.7/ssl.py", line 143, in __init__
self.do_handshake()
File "/usr/lib/python2.7/ssl.py", line 305, in do_handshake
self._sslobj.do_handshake()
线程挂起时出现了一些小错误。这并不少见,尽管数量略高于正常水平。不过第四个看起来很有趣。它发生在该线程挂起之前。
-
[Errno 110] : Connection timed out
在最后一个之前约 7 分钟followers_ids()
调用(中间有许多各种各样的 api 调用) -
[Errno 104] Connection reset by peer
大约 3 分钟后(再次,几次成功的通话) -
[Errno 110] Connection timed out
最后一集前约 1.5 分钟friends_ids()
称呼。这是在api.search()
线程,它在第一个线程挂起前大约 5 分钟一直在等待 - 总共等待了大约 15 分钟。 -
[Errno 104] Connection reset by peer
friends_ids()
的最后一条消息前约 2 毫秒线程,并且在同一个线程中。刚刚收集的 friend ID 的页面显示一切正常,并且这些调用没有错误。 -
[Errno 104] Connection reset by peer
在search
线程,在friends_ids
后约 17 分钟线程在search
前将近一个小时挂起线程挂起。 - A
Failed to send request
大约 1.5 分钟后无故出现 TweepError。 - 3 个毫无理由的
Failed to send request
的和一个[Errno 104] Connection reset by peer
在接下来的 45 分钟内。 - 大约 15 分钟没有错误,有很多
search
和lookup_users
在search
之前调用线程终于挂了。
最佳答案
问题似乎是 tweepy 没有实现超时。在 tweepy 的最新版本中,这个问题已经得到修复,此后(在连续几个月的数据收集中)没有出现过这个问题。
关于python - Tweepy 2.0 卡在 ssl do_handshake() 上,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16183179/