Utilizo la biblioteca de multiprocesamiento de Python para un algoritmo en el que tengo muchos trabajadores que procesan ciertos datos y devuelven el resultado al proceso principal. Uso el multiprocesamiento. Asignación de un puesto para pasar los trabajos a los trabajadores, y segundo para recopilar resultados.

Todo funciona bastante bien, hasta que el trabajador no puede procesar parte de los datos. En el siguiente ejemplo simplificado, cada trabajador tiene dos fases:

inicialización - puede fallar, en este caso el trabajador debe ser destruidoprocesamiento de datos: el procesamiento de una parte de los datos puede fallar, en este caso, el trabajador debe omitir esta parte y continuar con la siguiente información.

Cuando cualquiera de estas fases falla, obtengo un punto muerto después de completar el script Este código simula mi problema:

import multiprocessing as mp
import random

workers_count = 5
# Probability of failure, change to simulate failures
fail_init_p = 0.2
fail_job_p = 0.3


#========= Worker =========
def do_work(job_state, arg):
    if random.random() < fail_job_p:
        raise Exception("Job failed")
    return "job %d processed %d" % (job_state, arg)

def init(args):
    if random.random() < fail_init_p:
        raise Exception("Worker init failed")
    return args

def worker_function(args, jobs_queue, result_queue):
    # INIT
    # What to do when init() fails?
    try:
        state = init(args)
    except:
        print "!Worker %d init fail" % args
        return
    # DO WORK
    # Process data in the jobs queue
    for job in iter(jobs_queue.get, None):
        try:
            # Can throw an exception!
            result = do_work(state, job)
            result_queue.put(result)
        except:
            print "!Job %d failed, skip..." % job
        finally:
            jobs_queue.task_done()
    # Telling that we are done with processing stop token
    jobs_queue.task_done()



#========= Parent =========
jobs = mp.JoinableQueue()
results = mp.Queue()
for i in range(workers_count):
    mp.Process(target=worker_function, args=(i, jobs, results)).start()

# Populate jobs queue
results_to_expect = 0
for j in range(30):
    jobs.put(j)
    results_to_expect += 1

# Collecting the results
# What if some workers failed to process the job and we have
# less results than expected
for r in range(results_to_expect):
    result = results.get()
    print result

#Signal all workers to finish
for i in range(workers_count):
    jobs.put(None)

#Wait for them to finish
jobs.join()

Tengo dos preguntas sobre este código:

Cuandoinit() falla, ¿cómo detectar que el trabajador no es válido y no esperar a que termine?Cuandodo_work() falla, ¿cómo notificar al proceso principal que se deben esperar menos resultados en la cola de resultados?

¡Gracias por ayudar!