如何处理 ProcessPool 中的 SQLAlchemy 连接？

Posted 2023-02-16

【中文标题】如何处理 ProcessPool 中的 SQLAlchemy 连接？

【英文标题】：How to handle SQLAlchemy Connections in ProcessPool?

【发布时间】：2017-01-29 12:32:15

【问题描述】：

我有一个反应器，它从 RabbitMQ 代理获取消息并触发工作方法以在进程池中处理这些消息，如下所示：

这是使用 python asyncio、loop.run_in_executor() 和 concurrent.futures.ProcessPoolExecutor 实现的。

现在我想使用 SQLAlchemy 在工作方法中访问数据库。大多数情况下，处理将是非常简单和快速的 CRUD 操作。

reactor 开始时每秒会处理 10-50 条消息，因此不能为每个请求都打开一个新的数据库连接。相反，我想为每个进程维护一个持久连接。

我的问题是：我该怎么做？我可以将它们存储在全局变量中吗？ SQA 连接池会为我处理这个问题吗？反应堆停止时如何清理？

[更新]

数据库是带有 InnoDB 的 mysql。

为什么选择这种带有进程池的模式？

当前实现使用不同的模式，每个消费者在自己的线程中运行。不知何故，这不是很好。已经有大约 200 个消费者在各自的线程中运行，并且系统正在快速增长。为了更好地扩展，想法是分离关注点并在 I/O 循环中使用消息并将处理委托给池。当然，整个系统的性能主要受 I/O 限制。但是，在处理大型结果集时，CPU 是一个问题。

另一个原因是“易于使用”。虽然消息的连接处理和消费是异步实现的，但worker中的代码可以是同步的和简单的。

很快就发现，通过工作人员内部的持久网络连接访问远程系统是一个问题。这就是 CommunicationChannels 的用途：在 worker 内部，我可以通过这些通道向消息总线授予请求。

我目前的一个想法是以类似的方式处理数据库访问：将语句通过队列传递到事件循环，然后将它们发送到数据库。但是，我不知道如何使用 SQLAlchemy 做到这一点。 切入点在哪里？ 对象在通过队列时需要为pickled。如何从 SQA 查询中获取这样的对象？ 与数据库的通信必须异步进行，以免阻塞事件循环。我可以使用例如aiomysql 作为 SQA 的数据库驱动程序？

【问题讨论】：

那么每个worker都是自己的进程？那时不能共享连接，所以也许你应该实例化每个（本地）SQA 池，最大 1 或 2 个连接限制。然后观察，也许通过数据库（哪个数据库？）正在产生/杀死哪些连接。在这件事上已经被严重烧毁了 - 你不想想要做的是在 SQA 之上实现你自己的幼稚 conn 池。或者尝试确定 SQA 连接是否已关闭。

@JLPeyret：我用您要求的信息更新了问题。不...我不打算实现自己的连接池。

所以，我想我记得连接不能跨进程（在操作系统的意义上，与线程区分开来）。而且我知道连接根本不能很好地腌制。您应该能够向“死”（字符串）sql 语句发送消息，但我相信您将很难传递 db conns，我认为可能包括 SQA 结果。我的猜测，但在一定程度上使用奇怪的 SQA 来证明它的合理性。

【参考方案1】：

如果您在如何实例化 session 时注意一下，假设您在工作进程中使用 orm，那么您对每个进程池进程一个数据库连接 的要求很容易满足进程。

一个简单的解决方案是拥有一个全局session，您可以在请求之间重复使用它：

# db.py
engine = create_engine("connection_uri", pool_size=1, max_overflow=0)
DBSession = scoped_session(sessionmaker(bind=engine)) 

关于工人任务：

# task.py
from db import engine, DBSession
def task():
    DBSession.begin() # each task will get its own transaction over the global connection
    ...
    DBSession.query(...)
    ...
    DBSession.close() # cleanup on task end

参数pool_size 和max_overflow customize create_engine 使用的默认QueuePool。pool_size 将确保您的进程仅在进程池中为每个进程保持 1 个连接。

如果您希望它重新连接，您可以使用DBSession.remove()，它将从注册表中删除会话，并使其在下次使用 DBSession 时重新连接。您还可以使用Pool 的recycle 参数使连接在指定时间后重新连接。

在开发/调试期间，您可以使用AssertionPool，如果从池中检出多个连接，则会引发异常，请参阅switching pool implementations 了解如何执行此操作。

【讨论】：

所以您基本上建议我不要担心，因为 SQA 池会立即处理该问题？这会很好！我将在接下来的几天内将我们拥有 +200 个消费者和 +20000 行代码的主应用程序迁移到新的软件架构中，看看它是否有效。

@roman 祝您重构顺利，如果您有任何问题，请随时在此处发表评论，如果您认为我涵盖了您的问题，最好将其标记为已接受： ) .

到目前为止似乎工作正常！ :) 我认为应该提到文档中的这一部分 docs.sqlalchemy.org/en/rel_1_1/core/…。必须特别注意多处理。

【参考方案2】：

对我非常有用的一种方法是使用网络服务器来处理和扩展进程池。即使在默认状态下，flask-sqlalchemy 也会保留一个连接池，并且不会在每个请求响应周期中关闭每个连接。

asyncio 执行器可以调用 url 端点来执行你的函数。额外的好处是，因为所有执行工作的进程都在一个 url 后面，所以您可以在多台机器上轻松扩展工作池，通过 gunicorn 或其他许多方法之一添加更多进程来扩展简单的 wsgi 服务器。另外，您还可以获得所有容错功能。

缺点是您可能会通过网络传递更多信息。但是，正如您所说，问题是 CPU 受限，您可能会在数据库中传入和传出更多数据。

【讨论】：

当我说 CPU 是一个问题时，我并不是说主要工作负载受 CPU 限制！不是......与上面的其他方法一样，我在这里看到了事务处理的严重问题。在业务逻辑和持久层之间建立无状态网络连接听起来很可怕。

【参考方案3】：

@roman：你有很好的挑战。

我之前也遇到过类似的情况，所以这是我的 2 美分：除非这个消费者只有 “read” 和 “write”消息，无需对其进行任何实际处理，您可以重新设计此消费者作为将消费消息的消费者/生产者，它将处理消息，然后会将结果放入另一个队列，该队列（例如处理过的消息）可以被 1..N 个非池化异步进程读取，这些进程将在其自己的整个生命周期中打开数据库连接。

我可以扩展我的答案，但我不知道这种方法是否适合您的需求，如果适合，我可以为您提供有关扩展设计的更多详细信息。

【讨论】：

我正在考虑这种方法，但我认为很难正确处理事务。我想我不想尝试构建自己的分布式事务管理器。