python - rq (redis queue) work-horse 意外终止，关于如何调试的建议？

Question

我正在使用 RQ worker 处理大量作业，但我遇到了问题。

观察

• 作业返回 work-horse 意外终止； waitpid 返回 None
• 作业连接到数据库并简单地运行几个 SQL 语句，如简单的插入或删除语句。
• 错误消息几乎立即出现:在启动后的几秒钟内。
• 有时作业运行良好，没有问题。
• 在其中一项作业中，我可以看到它执行了插入操作，但随后只返回了错误。
• 在 rq worker 上，我看到以下日志条目。

{"message": "my_queue: my_job() (dcf797c4-1434-4b77-a344-5bbb1f775113)"}
{"message": "Killed horse pid 8451"}
{"message": "Moving job to FailedJobRegistry (work-horse terminated unexpectedly; waitpid returned None)"}

• 深入研究 rq 代码 ( https://github.com/rq/rq )，“Killed horse pid...”行表明 RQ 正在故意终止作业本身。作业终止代码发生的唯一地方是在以下代码段中。要到达 self.kill_horse() 行，必须发生 HorseMonitorTimeoutException 并且 utcnow - job.started_at 差异必须是 > job。超时(顺便说一句，超时很大)。

        while True:
            try:
                with UnixSignalDeathPenalty(self.job_monitoring_interval, HorseMonitorTimeoutException):
                    retpid, ret_val = os.waitpid(self._horse_pid, 0)
                break
            except HorseMonitorTimeoutException:
                # Horse has not exited yet and is still running.
                # Send a heartbeat to keep the worker alive.
                self.heartbeat(self.job_monitoring_interval + 5)

                # Kill the job from this side if something is really wrong (interpreter lock/etc).
                if job.timeout != -1 and (utcnow() - job.started_at).total_seconds() > (job.timeout + 1):
                    self.kill_horse()
                    break

• 有时，在工作人员真正到达之前，作业会在队列中停留很长时间。我本来希望 started_at 被重置。这个假设可能是错误的。
• 作业是使用 rq_scheduler 创建的，它们使用 cron 字符串定期触发(每天晚上 11 点，等等)

我的下一步应该是什么？

Answer 1

我认为最新版本的 RQ ( https://github.com/rq/rq/releases/tag/v1.4.0 ) 有解决方案。

修复了一个可能导致提前终止计划或重新排队的作业的错误。谢谢@rmartin48!