構(gòu)建高效的python requests長(zhǎng)連接池詳解
前文：
最近在搞全網(wǎng)的CDN刷新系統(tǒng)，在性能調(diào)優(yōu)時(shí)遇到了requests長(zhǎng)連接的一個(gè)問題，以前關(guān)注過長(zhǎng)連接太多造成浪費(fèi)的問題，但因?yàn)橄到y(tǒng)都是分布式擴(kuò)展的，針對(duì)這種各別問題就懶得改動(dòng)了。 現(xiàn)在開發(fā)的緩存刷新系統(tǒng)，對(duì)于性能還是有些敏感的，我后面會(huì)給出最優(yōu)的http長(zhǎng)連接池構(gòu)建方式。
老生常談：
python下的httpclient庫哪個(gè)最好用？ 我想大多數(shù)人還是會(huì)選擇requests庫的。原因么？也就是簡(jiǎn)單，易用！
如何蛋疼的構(gòu)建reqeusts的短連接請(qǐng)求:
python requests庫默認(rèn)就是長(zhǎng)連接的 (http 1.1, Connection: keep alive)，如果單純?cè)趓equests頭部去掉Connection是不靠譜的，還需要借助httplib來配合.
s = requests.Session()
del s.headers['Connection']
正確發(fā)起 http 1.0的請(qǐng)求姿勢(shì)是:
#xiaorui.cc
import httplib
import requests
httplib.HTTPConnection._http_vsn = 10
httplib.HTTPConnection._http_vsn_str = 'HTTP/1.0'
r = requests.get('http://127.0.0.1:8888/')
服務(wù)端接收的http包體內(nèi)容:
GET / HTTP/1.0 Accept-Encoding: gzip, deflate Accept: */* User-Agent: python-requests/2.5.1 CPython/2.7.10 Darwin/15.4.0
所謂短連接就是發(fā)送 HTTP 1.0 協(xié)議，這樣web服務(wù)端當(dāng)然會(huì)在send完數(shù)據(jù)后，觸發(fā)close()，也就是傳遞 \0 字符串，達(dá)到關(guān)閉連接 ！ 這里還是要吐槽一下，好多人天天說系統(tǒng)優(yōu)化，連個(gè)基本的網(wǎng)絡(luò)io都不優(yōu)化，你還想干嘛。。。下面我們依次聊requests長(zhǎng)連接的各種問題及性能優(yōu)化。
那么requests長(zhǎng)連接如何實(shí)現(xiàn)？
requests給我們提供了一個(gè)Session的長(zhǎng)連接類，他不僅僅能實(shí)現(xiàn)最基本的長(zhǎng)連接保持，還會(huì)附帶服務(wù)端返回的cookie數(shù)據(jù)。 在底層是如何實(shí)現(xiàn)的？
把HTTP 1.0 改成 HTTP 1.1 就可以了， 如果你標(biāo)明了是HTTP 1.1 ，那么有沒有 Connection: keep-alive 都無所謂的。 如果 HTTP 1.0加上Connection: keep-alive ，那么server會(huì)認(rèn)為你是長(zhǎng)連接。 就這么簡(jiǎn)單 ！
poll([{fd=5, events=POLLIN}], 1, 0) = 0 (Timeout)
sendto(5, "GET / HTTP/1.1\r\nHost: www.xiaorui.cc\r\nConnection: keep-alive\r\nAccept-Encoding: gzip, deflate\r\nAccept: */*\r\nUser-Agent: python-requests/2.9.1\r\n\r\n", 144, 0, NULL, 0) = 144
fcntl(5, F_GETFL) = 0x2 (flags O_RDWR)
fcntl(5, F_SETFL, O_RDWR) = 0
Session的長(zhǎng)連接支持多個(gè)主機(jī)么？ 也就是我在一個(gè)服務(wù)里先后訪問 a.com, b.com, c.com 那么requests session能否幫我保持連接 ?
答案很明顯，當(dāng)然是可以的！
但也僅僅是可以一用，但他的實(shí)現(xiàn)有很多的槽點(diǎn)。比如xiaorui.cc的主機(jī)上還有多個(gè)虛擬主機(jī)，那么會(huì)出現(xiàn)什么情況么？ 會(huì)不停的創(chuàng)建新連接，因?yàn)閞eqeusts的urllib3連接池管理是基于host的，這個(gè)host可能是域名，也可能ip地址，具體是什么，要看你的輸入。
strace -p 25449 -e trace=connect
Process 25449 attached - interrupt to quit
connect(13, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("61.216.13.196")}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(53), sin_addr=inet_addr("10.202.72.116")}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("125.211.204.141")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("153.37.238.190")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("157.255.128.103")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("139.215.203.190")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("42.56.76.104")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("42.236.125.104")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("110.53.246.11")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("36.248.26.191")}, 16) = 0
connect(8, {sa_family=AF_UNSPEC, sa_data="\0\0\0\0\0\0\0\0\0\0\0\0\0\0"}, 16) = 0
connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("125.211.204.151")}, 16) = 0
又比如你可能都是訪問同一個(gè)域名，但是子域名不一樣，例子 a.xiaorui.cc, b.xiaorui.cc, c.xiaorui.cc, xxxx.xiaorui.cc，那么會(huì)造成什么問題？ 哪怕IP地址是一樣的，因?yàn)橛蛎灰粯樱敲磖equests session還是會(huì)幫你實(shí)例化長(zhǎng)連接。
python 24899 root 3u IPv4 27187722 0t0 TCP 101.200.80.162:59576->220.181.105.185:http (ESTABLISHED) python 24899 root 4u IPv4 27187725 0t0 TCP 101.200.80.162:54622->101.200.80.162:http (ESTABLISHED) python 24899 root 5u IPv4 27187741 0t0 TCP 101.200.80.162:59580->220.181.105.185:http (ESTABLISHED) python 24899 root 6u IPv4 27187744 0t0 TCP 101.200.80.162:59581->220.181.105.185:http (ESTABLISHED) python 24899 root 7u IPv4 27187858 0t0 TCP localhost:50964->localhost:http (ESTABLISHED) python 24899 root 8u IPv4 27187880 0t0 TCP 101.200.80.162:54630->101.200.80.162:http (ESTABLISHED) python 24899 root 9u IPv4 27187921 0t0 TCP 101.200.80.162:54632->101.200.80.162:http (ESTABLISHED)
如果是同一個(gè)二級(jí)域名，不同的url會(huì)發(fā)生呢？ 是我們要的結(jié)果，只需要一個(gè)連接就可以了。
import requests
import time
s = requests.Session()
while 1:
r = s.get('http://a.xiaorui.cc/1')
r = s.get('http://a.xiaorui.cc/2')
r = s.get('http://a.xiaorui.cc/3')
我們可以看到該進(jìn)程只實(shí)例化了一個(gè)長(zhǎng)連接。
# xiaorui.cc python 27173 root 2u CHR 136,11 0t0 14 /dev/pts/11 python 27173 root 3u IPv4 27212480 0t0 TCP 101.200.80.162:36090->220.181.105.185:http (ESTABLISHED) python 27173 root 12r CHR 1,9 0t0 3871 /dev/urandom
那么requests還有一個(gè)不是問題的性能問題。。。
requests session是可以保持長(zhǎng)連接的，但他能保持多少個(gè)長(zhǎng)連接？ 10個(gè)長(zhǎng)連接！ session內(nèi)置一個(gè)連接池，requests庫默認(rèn)值為10個(gè)長(zhǎng)連接。
requests.adapters.HTTPAdapter(pool_connections=100, pool_maxsize=100)
一般來說，單個(gè)session保持10個(gè)長(zhǎng)連接是絕對(duì)夠用了，但如果你是那種social爬蟲呢？這么多域名只共用10個(gè)長(zhǎng)連接肯定不夠的。
python 28484 root 3u IPv4 27225486 0t0 TCP 101.200.80.162:54724->103.37.145.167:http (ESTABLISHED) python 28484 root 4u IPv4 27225349 0t0 TCP 101.200.80.162:36583->120.132.34.62:https (ESTABLISHED) python 28484 root 5u IPv4 27225490 0t0 TCP 101.200.80.162:46128->42.236.125.104:http (ESTABLISHED) python 28484 root 6u IPv4 27225495 0t0 TCP 101.200.80.162:43162->222.240.172.228:http (ESTABLISHED) python 28484 root 7u IPv4 27225613 0t0 TCP 101.200.80.162:37977->116.211.167.193:http (ESTABLISHED) python 28484 root 8u IPv4 27225413 0t0 TCP 101.200.80.162:40688->106.75.67.54:http (ESTABLISHED) python 28484 root 9u IPv4 27225417 0t0 TCP 101.200.80.162:59575->61.244.111.116:http (ESTABLISHED) python 28484 root 10u IPv4 27225521 0t0 TCP 101.200.80.162:39199->218.246.0.222:http (ESTABLISHED) python 28484 root 11u IPv4 27225524 0t0 TCP 101.200.80.162:46204->220.181.105.184:http (ESTABLISHED) python 28484 root 12r CHR 1,9 0t0 3871 /dev/urandom python 28484 root 14u IPv4 27225420 0t0 TCP 101.200.80.162:42684->60.28.124.21:http (ESTABLISHED)
讓我們看看requests的連接池是如何實(shí)現(xiàn)的？ 通過代碼很容易得出Session()默認(rèn)的連接數(shù)及連接池是如何構(gòu)建的？ 下面是requests的長(zhǎng)連接實(shí)現(xiàn)源碼片段。如需要再詳細(xì)的實(shí)現(xiàn)細(xì)節(jié)，那就自己分析吧
# xiaorui.cc
class Session(SessionRedirectMixin):
def __init__(self):
...
self.max_redirects = DEFAULT_REDIRECT_LIMIT
self.cookies = cookiejar_from_dict({})
self.adapters = OrderedDict()
self.mount('https://', HTTPAdapter()) # 如果沒有單獨(dú)配置adapter適配器，那么就臨時(shí)配置一個(gè)小適配器
self.mount('http://', HTTPAdapter()) # 根據(jù)schema來分配不同的適配器adapter，上面是https，下面是http
self.redirect_cache = RecentlyUsedContainer(REDIRECT_CACHE_SIZE)
class HTTPAdapter(BaseAdapter):
def __init__(self, pool_connections=DEFAULT_POOLSIZE,
pool_maxsize=DEFAULT_POOLSIZE, max_retries=DEFAULT_RETRIES,
pool_block=DEFAULT_POOLBLOCK):
if max_retries == DEFAULT_RETRIES:
self.max_retries = Retry(0, read=False)
else:
self.max_retries = Retry.from_int(max_retries)
self.config = {}
self.proxy_manager = {}
super(HTTPAdapter, self).__init__()
self._pool_connections = pool_connections
self._pool_maxsize = pool_maxsize
self._pool_block = pool_block
self.init_poolmanager(pool_connections, pool_maxsize, block=pool_block) # 連接池管理
DEFAULT_POOLBLOCK = False #是否阻塞連接池
DEFAULT_POOLSIZE = 10 # 默認(rèn)連接池
DEFAULT_RETRIES = 0 # 默認(rèn)重試次數(shù)
DEFAULT_POOL_TIMEOUT = None # 超時(shí)時(shí)間
Python requests連接池是借用urllib3.poolmanager來實(shí)現(xiàn)的。
每一個(gè)獨(dú)立的(scheme, host, port)元祖使用同一個(gè)Connection, (scheme, host, port)是從請(qǐng)求的URL中解析分拆出來的。
from .packages.urllib3.poolmanager import PoolManager, proxy_from_url 。
下面是 urllib3的一些精簡(jiǎn)源碼， 可以看出他的連接池實(shí)現(xiàn)也是簡(jiǎn)單粗暴的。
# 解析url，分拆出scheme, host, port
def parse_url(url):
"""
Example::
>>> parse_url('http://google.com/mail/')
Url(scheme='http', host='google.com', port=None, path='/mail/', ...)
>>> parse_url('google.com:80')
Url(scheme=None, host='google.com', port=80, path=None, ...)
>>> parse_url('/foo?bar')
Url(scheme=None, host=None, port=None, path='/foo', query='bar', ...)
return Url(scheme, auth, host, port, path, query, fragment)
# 獲取匹配的長(zhǎng)連接
def connection_from_url(self, url, pool_kwargs=None):
u = parse_url(url)
return self.connection_from_host(u.host, port=u.port, scheme=u.scheme, pool_kwargs=pool_kwargs)
# 獲取匹配host的長(zhǎng)連接
def connection_from_host(self, host, port=None, scheme='http', pool_kwargs=None):
if scheme == "https":
return super(ProxyManager, self).connection_from_host(
host, port, scheme, pool_kwargs=pool_kwargs)
return super(ProxyManager, self).connection_from_host(
self.proxy.host, self.proxy.port, self.proxy.scheme, pool_kwargs=pool_kwargs)
# 根據(jù)url的三個(gè)指標(biāo)獲取連接
def connection_from_pool_key(self, pool_key, request_context=None):
with self.pools.lock:
pool = self.pools.get(pool_key)
if pool:
return pool
scheme = request_context['scheme']
host = request_context['host']
port = request_context['port']
pool = self._new_pool(scheme, host, port, request_context=request_context)
self.pools[pool_key] = pool
return pool
# 獲取長(zhǎng)連接的主入口
def urlopen(self, method, url, redirect=True, **kw):
u = parse_url(url)
conn = self.connection_from_host(u.host, port=u.port, scheme=u.scheme)
這里為止，Python requests關(guān)于session連接類實(shí)現(xiàn)，說的算明白了。 但就requests和urllib3的連接池實(shí)現(xiàn)來說，還是有一些提升空間的。 但問題來了，單單靠著域名和端口會(huì)造成一些問題，至于造成什么樣子的問題，我在上面已經(jīng)有詳細(xì)的描述了。
那么如何解決？
我們可以用 scheme + 主domain + host_ip + port 來實(shí)現(xiàn)長(zhǎng)連接池的管理。
其實(shí)大多數(shù)的場(chǎng)景是無需這么細(xì)致的實(shí)現(xiàn)連接池的，但根據(jù)我們的測(cè)試的結(jié)果來看，在服務(wù)初期性能提升還是不小的。
這樣既解決了域名ip輪詢帶來的連接重置問題，也解決了多級(jí)域名下不能共用連接的問題。
以上這篇構(gòu)建高效的python requests長(zhǎng)連接池詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
- python連接池實(shí)現(xiàn)示例程序
- Python實(shí)現(xiàn)Mysql數(shù)據(jù)庫連接池實(shí)例詳解
- Python MySQL數(shù)據(jù)庫連接池組件pymysqlpool詳解
- Python3 多線程(連接池)操作MySQL插入數(shù)據(jù)
- 分析解決Python中sqlalchemy數(shù)據(jù)庫連接池QueuePool異常
- Python 中創(chuàng)建 PostgreSQL 數(shù)據(jù)庫連接池
- python自制簡(jiǎn)易mysql連接池的實(shí)現(xiàn)示例
- Python封裝數(shù)據(jù)庫連接池詳解
相關(guān)文章
這篇文章主要分享的是18個(gè)Python編程技巧,文章圍繞?Python的相關(guān)資料展開詳細(xì)全文，對(duì)工作中的你了能具有一定的參考價(jià)值,需要的朋友可以參考一下，希望對(duì)你有所幫助2022-01-01
Python代碼來實(shí)現(xiàn)一個(gè)最簡(jiǎn)單的CPU。用代碼模擬大的部件,使大家從原理上理解CPU工作。使它可編程，支持加減法運(yùn)算、讀寫內(nèi)存、無條件跳轉(zhuǎn)、條件跳轉(zhuǎn)的功能。2023-01-01
Python可變參數(shù)*args和**kwargs用法實(shí)例小結(jié)
這篇文章主要介紹了Python可變參數(shù)*args和**kwargs用法,結(jié)合實(shí)例形式總結(jié)分析了Python中可變參數(shù)*args和**kwargs的功能、區(qū)別與具體使用技巧,需要的朋友可以參考下2018-04-04
Python中.py程序在CMD控制臺(tái)以指定虛擬環(huán)境運(yùn)行
本文主要介紹了Python中.py程序在CMD控制臺(tái)以指定虛擬環(huán)境運(yùn)行，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07
這篇文章主要介紹了c++調(diào)用python中文亂碼問題,本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-07-07
本文主要介紹了Tkinter組件Entry的具體使用，Entry組件通常用于獲取用戶的輸入文本，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-01-01
在python中利用dict轉(zhuǎn)json按輸入順序輸出內(nèi)容方式
今天小編就為大家分享一篇在python中利用dict轉(zhuǎn)json按輸入順序輸出內(nèi)容方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02
Python 通過微信控制實(shí)現(xiàn)app定位發(fā)送到個(gè)人服務(wù)器再轉(zhuǎn)發(fā)微信服務(wù)器接收位置信息
這篇文章主要介紹了Python 通過微信控制實(shí)現(xiàn)app定位發(fā)送到個(gè)人服務(wù)器，再轉(zhuǎn)發(fā)微信服務(wù)器接收位置信息,本文給出了實(shí)例代碼，代碼簡(jiǎn)單易懂，非常不錯(cuò)具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2019-08-08
python買賣股票的最佳時(shí)機(jī)（基于貪心/蠻力算法）
這篇文章主要介紹了python買賣股票的最佳時(shí)機(jī)（基于貪心/蠻力算法）,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
下面小編就為大家?guī)硪黄獪\談python中的數(shù)字類型與處理工具。小編覺得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-08-08