Hacktoberfest 2026 : les issues que les mainteneurs ont marquées pour octobre, ouvertes et accessibles aux débutants. Parcourir les issues Hacktoberfest

Hang after map_sync is called in loop for a number of iterations

Ouverte
#373 7 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
4/5
Temps estimé
3-5 jours
Accessibilité débutants
35/100
Type d'issue
Bug
Clarté
Plutôt claire
Activité
À l'abandon
Stack technique
jupyter, python
Domaine
distributed-systems

Piste de recherche

Commencez par exécuter le reproducteur Python de l’issue sous Windows avec ipcluster start -n 4, en comparant les cas avec équilibrage de charge et avec vue directe. Suivez l’endroit où map_sync cesse de répondre après plusieurs itérations ; le travail est terminé lorsque la boucle s’exécute jusqu’au bout sans se bloquer et que le correctif est vérifié pour les deux versions de Python signalées.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

The following script hangs after about ~180 iterations on my machine
Number of iterations it gets through seems to be dependent on the time elapsed (hence the sleep)

import numpy as np
import ipyparallel as ipp

c = ipp.Client()
dv = c[:]
dv.execute("import time")
dv.execute("import numpy as np")

v = c.load_balanced_view()

def fun(state):
    time.sleep(0.5)
    return np.random.normal()

# Generation loop
for it in range(1000):
    inputs = range(12)
    #v = c.load_balanced_view()
    outputs = np.array(v.map_sync(fun, inputs))
    print "Iteration", it

Windows 10, Anaconda installation
ipyparallel 6.2.4 py27_0

Cluster is started via ipcluster start -n 4 on powershell
Tried and same problem observed with both python 2.7 and python 3.7
Tried both load balanced and direct views
No error messages and the powershell window for ipcluster becomes unresponsive

Langage dominant
Jupyter Notebook
Étoiles
2.6k
Forks
1k
Aucune PR mergée en 30 j

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de ipython/ipyparallel

Toutes les issues de ipython/ipyparallel

Issues similaires

Plus d'issues Distributed Systems

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.