Why use pd.read_sql(sql, create_engine(...)) were blocked when in multi process

[wsf1990]

Bug Description Ubuntu20.04，python连接器，使用pd.read_sql(sql, create_engine('taos://user:pass@host:6030/db_name')) 直接读取数据，在多线程的情况下，程序一直卡在此处，Windows下是好的。请问是多线程共享连接的问题吗？如何处理？ 多线程开启使用的是：from multiprocessing import Process 只有在主线程调用一次pd.read_sql(sql, create_engine(...))然后在子线程里再次调用的时候会卡住，如果主线程没有调用过，则正常。

Environment (please complete the following information):

• OS: Ubuntu 20.04
• TDengine Version: 2.6.0.8

[sangshuduo]

参见：https://docs.taosdata.com/reference/connector/python/#%E4%BD%BF%E7%94%A8%E8%BF%9E%E6%8E%A5%E5%99%A8%E5%BB%BA%E7%AB%8B%E8%BF%9E%E6%8E%A5

[wsf1990]

使用taos.connect()，提示UserWarning: pandas only support SQLAlchemy connectable(engine/connection) ordatabase string URI or sqlite3 DBAPI2 connectionother DBAPI2 objects are not tested, please consider using SQLAlchemy。似乎也没有正常运行

[wsf1990]

同样是主线程可以正常调用，在子线程里会一直卡在connect的地方

[sangshuduo]

from time import sleep, perf_counter
from threading import Thread
import pandas
import taos


def task():
    print('Starting a task...')
    conn = taos.connect()
    df: pandas.DataFrame = pandas.read_sql("SELECT * FROM test.meters limit 100000", conn)
    sleep(1)
    print(df)

    print('done')


start_time = perf_counter()

# create two new threads
t1 = Thread(target=task)
t2 = Thread(target=task)

# start the threads
t1.start()
t2.start()

# wait for the threads to complete
t1.join()
t2.join()

end_time = perf_counter()

print(f'It took {end_time- start_time: 0.2f} second(s) to complete.')

[sangshuduo]

使用taos.connect()，提示UserWarning: pandas only support SQLAlchemy connectable(engine/connection) ordatabase string URI or sqlite3 DBAPI2 connectionother DBAPI2 objects are not tested, please consider using SQLAlchemy。似乎也没有正常运行

这个只是警告，不影响功能。当然也可以直接用 SQLalchemy create_engine 方法就不会跳出这个警告

[wsf1990]

明白，我测试使用create_engine 和 taso.connect在windows下都是好的，但是在ubuntu 20上无法正常工作

[wsf1990]

测试使用您的这段是可以的，区别在于使用的是threading和multiprocessing，我认真看一下这二者有什么区别