大数据技术| Python程序中不同的重启机制

分析典型案例：

Celery 分布式异步任务框架

Gunicorn Web容器

之所以挑这两个，不仅仅是应用广泛，而且两个的进程模型比较类似，都是Master、Worker的形式，在热重启上思路和做法又基本不同，比较有参考意义

知识点：

atexit

os.execv

模块共享变量

信号处理

sleep原理:select

文件描述符共享

这几个知识点不难，区别只在于Celery和Gunicorn的应用方式。如果脑海中有这样的知识点，这篇文章也就是开阔下视野而已。。。

Celery和Gunicorn都会在接收到HUP信号时，进行热重启操作

Celery的重启：关旧Worker，然后execv重新启动整个进程

Gunicorn的重启：建立新Worker，再关旧Worker，Master不动

下面具体的看下它们的操作和核心代码。

对于Celery：

def _reload_current_worker():

platforms.close_open_fds([

sys.__stdin__, sys.__stdout__, sys.__stderr__,

])

os.execv(sys.executable, [sys.executable] + sys.argv)

def install_worker_restart_handler(worker, sig='SIGHUP'):

def restart_worker_sig_handler(*args):

"""Signal handler restarting the current python program."""

import atexit

atexit.register(_reload_current_worker)

from celery.worker import state

state.should_stop = EX_OK

platforms.signals[sig] = restart_worker_sig_handler

HUP上挂的restart_worker_sig_handler 就做了两件事：

注册atexit函数

设置全局变量

考虑到这个执行顺序，应该就能明白Celery 是Master和Worker都退出了，崭新呈现。。

看过APUE的小伙伴，应该比较熟悉 atexit 了，这里也不多说。os.execv还挺有意思，根据Python文档，这个函数会执行一个新的函数用于替换掉 当前进程 ，在Unix里，新的进程直接把可执行程序读进进程，保留同样的PID。

在Python os标准库中，这是一整套基本一毛一样的函数，也许应该叫做函数族了：

os. execl ( path , arg0 , arg1 , … )

os. execle ( path , arg0 , arg1 , … , env )

os. execlp ( file , arg0 , arg1 , … )

os. execlpe ( file , arg0 , arg1 , … , env )

os. execv ( path , args )

os. execve ( path , args , env )

os. execvp ( file , args )

os. execvpe ( file , args , env )

以exec开头，后缀中的l和v两种，代表命令行参数是否是变长的(前者不可变),p代表是否使用PATH定位程序文件，e自然就是在新进程中是否使用ENV环境变量了

然后给worker的state.should_stop变量设置成False。。。 模块共享变量 这个是 Python FAQ里提到的一种方便的跨模块消息传递的方式，运用了Python module的单例。我们都知道Python只有一个进程，所以单例的变量到处共享

而should_stop这个变量也是简单粗暴，worker在执行任务的循环中判断这个变量，即执行异步任务->查看变量->获得异步任务->继续执行 的循环中，如果True就抛出一个【应该关闭】异常，worker由此退出。

这里面有一个不大不小的坑是：信号的发送对于外部的工具，例如kill，是非阻塞的，所以当HUP信号被发出后，worker可能并没有完成重启(等待正在执行的旧任务完成 才退出和新建)，因此如果整个系统中只使用HUP信号挨个灰度各个机器，那么很有可能出现全部worker离线的情况

接下来我们看看Gunicorn的重启机制：

信号实质上挂在在Arbiter上，Arbiter相当于master，守护和管理worker的，管理各种信号，事实上它init的时候就给自己起好Master的名字了，打印的时候会打出来：

class Arbiter(object):

def __init__(self, app):

#一部分略

self.master_name = "Master"

def handle_hup(self):

"""\

HUP handling.

- Reload configuration

- Start the new worker processes with a new configuration

- Gracefully shutdown the old worker processes

"""

self.log.info("Hang up: %s", self.master_name)

self.reload()

这里的函数文档里写了处理HUP信号的过程了，简单的三行：

读取配置

开启新worker

优雅关闭旧Worker

reload函数的实现本身没什么复杂的，因为Gunicorn 是个Web容器，所以master里面是没有业务逻辑的，worker都是master fork出来的，fork是可以带着文件描述符(自然也包括socket)过去的。这也是Gunicorn可以随意增减worker的根源

master只负责两件事情：

拿着被Fork的worker的PID，以供关闭和处理

1秒醒来一次，看看有没有worker超时了需要被干掉

while True:

sig = self.SIG_QUEUE.pop(0) if len(self.SIG_QUEUE) else None

if sig is None:

self.sleep()

self.murder_workers()

self.manage_workers()

continue

else:

#处理信号

在sleep函数中，使用了select.select+timeout实现，和time.sleep的原理是一样的，但不同之处在于select监听了自己创建的一个PIPE，以供wakeup立即唤醒

总结

以上就介绍了Celery和Gunicorn的重启机制差异。

从这两者的设计来看，可以理解他们这样实现的差异。

Celery是个分布式、异步的任务队列，任务信息以及排队信息实质上是持久化在外部的MQ中的，例如RabbitMQ和redis，其中的持久化方式，这应该另外写一篇《高级消息队列协议AMQP介绍》，就不在这里说了，对于Celery的Master和Worker来说，可以说是完全没有状态的。由Celery的部署方式也可以知道，近似于一个服务发现的框架，下线的Worker不会对整个分布式系统带来任何影响。唯一的例外可能是Beat组件，作为Celery定时任务的节拍器，要做少许改造以适配分布式的架构，并且实现Send Once功能。

Gunicorn作为Python的Web容器之一，会接收用户的请求，虽然我们通常都会使用nginx放在Gunicorn前方做反向代理，通常也可以使用nginx来做upstream offline、online的热重启，但那就不是一个层次的事情了

这里回头来再吐槽Golang

项目中使用到了Golang的一个Web框架，Golang在1.8中也已经支持Http.Server的热关闭了，但是一是因为刚出不就(竟然现在才出)，二是因为Golang的进程模型和Python大相近庭，go协程嘛，目前还没有看到那个Web框架中真正实现Gunicorn类似的热重启。

Golang 在fcgi的操作应该就类似Python之于wsgi了。。我感觉我是选择错了一个web框架

也没看见有人用syscall.Exec来用一下execve系统调用，Golang也没看见有人用socket REUSE。。作为一个懒惰的人感觉很蛋疼。。。

先让nginx大法做这件事情好了。

来源：36大数据