是一个很好用的关于重试的Python包,可以用来自动重试一些可能会运行失败的程序段。
为什么选择retrying
我们在写一些程序的时候,会去调用一些外部资源、组件,这些外部程序对我们来说是不可控的,所以它们不可用、运行失败都是正常的事情,尤其是在网络上多个服务交互的时候,在写程序的时候一定要考虑调用外部程序会失败的情况。
retrying
retrying就是一个可以用来应对上述问题的工具,可以在上获得。
retrying提供一个装饰器函数retry
,被装饰的函数就会在运行失败的条件下重新执行,默认只要一直报错就会不断重试,看一下下面的例子: import randomfrom retrying import retry@retrydef have_a_try(): if random.randint(0, 10) != 5: raise Exception('It's not 5!') print 'It's 5!'
如果我们运行have_a_try
函数,那么直到random.randint
返回5
,它才会执行结束,否则会一直重新执行。
def __init__(self, stop=None, wait=None, stop_max_attempt_number=None, stop_max_delay=None, wait_fixed=None, wait_random_min=None, wait_random_max=None, wait_incrementing_start=None, wait_incrementing_increment=None, wait_exponential_multiplier=None, wait_exponential_max=None, retry_on_exception=None, retry_on_result=None, wrap_exception=False, stop_func=None, wait_func=None, wait_jitter_max=None)
stop_max_attempt_number
:用来设定最大的尝试次数,超过该次数就停止重试stop_max_delay
:比如设置成10000,那么从被装饰的函数开始执行的时间点开始,到函数成功运行结束或者失败报错中止的时间点,只要这段时间超过10秒,函数就不会再执行了wait_fixed
:设置在两次retrying之间的停留时间wait_random_min
和wait_random_max
:用随机的方式产生两次retrying之间的停留时间wait_exponential_multiplier
和wait_exponential_max
:以指数的形式产生两次retrying之间的停留时间,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。这个设计迎合了算法,可以减轻阻塞的情况。我们可以指定要在出现哪些异常的时候再去retry,这个要用
retry_on_exception
传入一个函数对象:
def retry_if_io_error(exception): return isinstance(exception, IOError)@retry(retry_on_exception=retry_if_io_error)def read_a_file(): with open("file", "r") as f: return f.read()
在执行read_a_file
函数的过程中,如果报出异常,那么这个异常会以形参exception
传入retry_if_io_error
函数中,如果exception
是IOError
那么就进行retry,如果不是就停止运行并抛出异常。
我们还可以指定要在得到哪些结果的时候去retry,这个要用
retry_on_result
传入一个函数对象:
def retry_if_result_none(result): return result is None@retry(retry_on_result=retry_if_result_none)def get_result(): return None
在执行get_result成功后,会将函数的返回值通过形参result
的形式传入retry_if_result_none
函数中,如果返回值是None
那么就进行retry,否则就结束并返回函数值。