关于python函数执行超时的信息

python中调用两个函数,怎样能不超时

超时机制。python中调用两个函数需要给函数设置超时机制，以防止它超时，这里可以用python的signal模块，signal模块可以实现程序内部的信号处理。

相关问答

Q1: python如何设置超时重新运行？

python通过subprocess模块调用系统命令。实际使用中，有一次是命令进入了交互模式，结果web端直接卡死了。

调用时设置一个超时时间，时间用完后自动断开。

这样就避免了系统因为调用命令而僵死的问题。

Q2: python3 socket 中设置超时的几种常用方法

socket.setdefaulttimeout(time)

settimeout(time) socket 实例调用的方法，设置当前 socket 实例连接或接收的超时时间，参数 time 为 None 时恢复默认超时时间

Q3: python 在爬虫中timeout设置超时有什么作用

是为了防止url不可访问，或者响应速度太慢而造成的时间浪费。

比如，你要爬取1000个网站，如果有100个需要30s才能返回数据，你等待他们返回的话就需要3000s了，如果你设置10s超时，那么就能知道最长需要多久1000个可以爬完。

如果解决了您的问题请采纳！

如果未解决请继续追问

Q4: python 8个完数 运算超时？

在你的这个思路中，可以优化的主要就是几方面：

1：求因数可以仅算到n的平方根q为止,对于n，每有一个小于q的因数，就有一个对应的大于q的因数，两者之积为n。

2：在完数函数中已经完成了求因数的工作，不需要另做一次,直接在完数函数中拼装结果即可。

3：目前来说，已知的完全数都是偶数,因此，最后那行那里可以做num+=2优化，但数学上目前还没有证明不存在奇完全数，这种做法从理论上来说是不严谨的。

实际上，当一个数比较大的时候，做因数分解是一个很费时的工作，要找更大的完数，需要更好的因数分解的方式。比如先求出所有的质因数,在使用这些质因数的组合来寻找非质因数。因为质因数必然是在质数表中，而质数表可以建立一次然后重复使用，相对一个个的试商就快得多了。

如果要进一步优化以寻找更大的完全数，那么，就需要利用更多的关于完全数的规律了，比如，除6以外，其它的完全数都是9n+1，都是p^2*q……，这些优化在你这个框架下实现就比较麻烦。

总体来说，不解决因数分解的问题，主要就是上述三种优化了。

Q5: python里并发执行协程时部分阻塞超时怎么办

在前面的例子里学习了并发地执行多个协程来下载图片，也许其中一个协程永远下载不了，一直阻塞，这时怎么办呢？

碰到这种需求时不要惊慌，可以使用wait()里的timeout参数来设置等待时间，也就是从这个函数开始运行算起，如果时间到达协程没有执行完成，就可以不再等它们了，直接从wait()函数里返回，返回之后就可以判断那些没有执行成功的，可以把这些协程取消掉。例子如下：

[python] view plain copy

import asyncio

async def phase(i):

print('in phase {}'.format(i))

try:

await asyncio.sleep(0.1 * i)

except asyncio.CancelledError:

print('phase {} canceled'.format(i))

raise

else:

print('done with phase {}'.format(i))

return 'phase {} result'.format(i)

async def main(num_phases):

print('starting main')

phases = [

phase(i)

for i in range(num_phases)

]

print('waiting 0.1 for phases to complete')

completed, pending = await asyncio.wait(phases, timeout=0.1)

print('{} completed and {} pending'.format(

len(completed), len(pending),

))

# Cancel remaining tasks so they do not generate errors

# as we exit without finishing them.

if pending:

print('canceling tasks')

for t in pending:

t.cancel()

print('exiting main')

event_loop = asyncio.get_event_loop()

try:

event_loop.run_until_complete(main(3))

finally:

event_loop.close()

结果输出如下：

starting main

waiting 0.1 for phases to complete

in phase 0

in phase 2

in phase 1

done with phase 0

1 completed and 2 pending

canceling tasks

exiting main

phase 1 canceled

phase 2 canceled