python – 使用aiohttp的HEAD请求是狗慢
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 使用aiohttp的HEAD请求是狗慢，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3764字，纯文字阅读大概需要6分钟。
内容图文
给出了一个包含5万个网站网址的列表,我的任务是找出哪些网站是可以访问的.我们的想法是向每个URL发送HEAD请求并查看状态响应.从我听到的异步方法是要走的路,现在我正在使用asyncio和aiohttp.
我提出了以下代码,但速度非常糟糕.在我的10mbit连接上,1000个URL大约需要200秒.我不知道速度有多快,但我不熟悉Python中的异步编程,所以我觉得我在某处出错了.正如您所看到的,我已尝试将允许的同时连接数增加到1000(默认值为100),并且DNS解析的持续时间保留在缓存中;也没有任何重大影响.环境有Python 3.6和aiohttp 3.5.4.
与此问题无关的代码审查也值得赞赏.
import asyncio
import time
from socket import gaierror
from typing import List, Tuple
import aiohttp
from aiohttp.client_exceptions import TooManyRedirects
# Using a non-default user-agent seems to avoid lots of 403 (Forbidden) errors
HEADERS = {
'user-agent': ('Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) '
'AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/45.0.2454.101 Safari/537.36'),
}
async def get_status_code(session: aiohttp.ClientSession, url: str) -> Tuple[int, str]:
try:
# A HEAD request is quicker than a GET request
resp = await session.head(url, allow_redirects=True, ssl=False, headers=HEADERS)
async with resp:
status = resp.status
reason = resp.reason
if status == 405:
# HEAD request not allowed, fall back on GET
resp = await session.get(
url, allow_redirects=True, ssl=False, headers=HEADERS)
async with resp:
status = resp.status
reason = resp.reason
return (status, reason)
except aiohttp.InvalidURL as e:
return (900, str(e))
except aiohttp.ClientConnectorError:
return (901, "Unreachable")
except gaierror as e:
return (902, str(e))
except aiohttp.ServerDisconnectedError as e:
return (903, str(e))
except aiohttp.ClientOSError as e:
return (904, str(e))
except TooManyRedirects as e:
return (905, str(e))
except aiohttp.ClientResponseError as e:
return (906, str(e))
except aiohttp.ServerTimeoutError:
return (907, "Connection timeout")
except asyncio.TimeoutError:
return (908, "Connection timeout")
async def get_status_codes(loop: asyncio.events.AbstractEventLoop, urls: List[str],
timeout: int) -> List[Tuple[int, str]]:
conn = aiohttp.TCPConnector(limit=1000, ttl_dns_cache=300)
client_timeout = aiohttp.ClientTimeout(connect=timeout)
async with aiohttp.ClientSession(
loop=loop, timeout=client_timeout, connector=conn) as session:
codes = await asyncio.gather(*(get_status_code(session, url) for url in urls))
return codes
def poll_urls(urls: List[str], timeout=20) -> List[Tuple[int, str]]:
"""
:param timeout: in seconds
"""
print("Started polling")
time1 = time.time()
loop = asyncio.get_event_loop()
codes = loop.run_until_complete(get_status_codes(loop, urls, timeout))
time2 = time.time()
dt = time2 - time1
print(f"Polled {len(urls)} websites in {dt:.1f} seconds "
f"at {len(urls)/dt:.3f} URLs/sec")
return codes
解决方法:
现在,您立即启动所有请求.因此,可能瓶颈出现在某处.为避免这种情况,可以使用semaphore：
# code
sem = asyncio.Semaphore(200)
async def get_status_code(session: aiohttp.ClientSession, url: str) -> Tuple[int, str]:
try:
async with sem:
resp = await session.head(url, allow_redirects=True, ssl=False, headers=HEADERS)
# code
我按照以下方式测试了它：
poll_urls([
'http://httpbin.org/delay/1'
for _
in range(2000)
])
得到了：
Started polling
Polled 2000 websites in 13.2 seconds at 151.300 URLs/sec
虽然它请求单个主机,但它表明异步方法可以完成这项工作：13秒. < 2000秒
还有几件事可以做：
>您应该发挥信号量值以获得更好的性能
为您的具体环境和任务.
>尝试将超时从20降低到,比方说,5
秒：因为你只是在做头部请求所以不应该花太多时间
时间.如果请求挂起5秒,则很有可能不会
一点都没有.
>在脚本运行时监视系统资源(网络/ CPU / RAM)
可以帮助找出瓶颈是否仍然存在.
>顺便问一下,你安装了aiodns(如doc所示)？
> disabling ssl有什么改变吗？
>尝试启用logging的调试级别,以查看是否有任何有用的信息
>尝试设置client tracing,特别是测量每个请求步骤的时间,以查看哪些需要花费大部分时间
没有完全可重现的情况,很难说更多.
内容总结
以上是互联网集市为您收集整理的python – 使用aiohttp的HEAD请求是狗慢全部内容，希望文章能够帮你解决python – 使用aiohttp的HEAD请求是狗慢所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。