推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2819 天前的主题，其中的信息可能已经有所发展或是发生改变。
我弄了一个爬虫程序， 没有把服务器爬死，倒是把自己网络经常弄挂，
大概就是用 gevent 创建一个 Pool(50) , 50 个并发，
用 Requests 来迭代 （有打 m onkey patch ）
url 大概是接近 10000 个，
速度其实还挺快的， 一秒能处理接近 300 个 requests ， for 迭代，没有 sleep
但是现在的问题是，每次连续处理 3000 个左右还好，再多了，经常就把本地网络弄挂了，导致程序也 timeout 退出。
一两分钟内，经常网络也连不上。不知道是不是我程序写的太耗系统资源，可能要稍微在一段任务后休息一下。
现在的解决办法就是， 把任务分成小块，每块大概 2000 个， 每爬了 2000 个就休息几秒。
有没有更科学的方法，或者是我哪里使用不当？
大概就是用 gevent 创建一个 Pool(50) , 50 个并发，
用 Requests 来迭代 （有打 m onkey patch ）
url 大概是接近 10000 个，
速度其实还挺快的， 一秒能处理接近 300 个 requests ， for 迭代，没有 sleep
但是现在的问题是，每次连续处理 3000 个左右还好，再多了，经常就把本地网络弄挂了，导致程序也 timeout 退出。
一两分钟内，经常网络也连不上。不知道是不是我程序写的太耗系统资源，可能要稍微在一段任务后休息一下。
现在的解决办法就是， 把任务分成小块，每块大概 2000 个， 每爬了 2000 个就休息几秒。
有没有更科学的方法，或者是我哪里使用不当？
第 1 条附言 · 2017-03-06 12:43:59 +08:00
看到楼下都说路由器的问题，我猜应该也是路由器的问题。
同样的代码在阿里云服务器上跑，毫无压力。
我自己的路由器按说已经是家用里很好的了， Netgear 的 3000 多，
换别的路由连接方式也不大可行，因为还有很多其他电脑，加上物理距离，不大可行。
那目前看，好像也只能自己控制减慢并发请求的速度了。
同样的代码在阿里云服务器上跑，毫无压力。
我自己的路由器按说已经是家用里很好的了， Netgear 的 3000 多，
换别的路由连接方式也不大可行，因为还有很多其他电脑，加上物理距离，不大可行。
那目前看，好像也只能自己控制减慢并发请求的速度了。
第 2 条附言 · 2017-03-07 00:48:27 +08:00
最后发现， 路由器表示不背锅， 是我的程序写的有问题
在 gevent 调用的函数里面，我直接用的 Requests.get 来下载页面，这个方式下不能复用连接，也没有主动去调用关闭，所以程序保持了几千个服务器之间的连接，最后把路由器玩死了。
现在修改成用 session 来 get ，一切完美了，速度也快了好多。
nCount = 50
connection_limit = nCount
adapter = requests.adapters.HTTPAdapter(pool_connections=connection_limit,
pool_maxsize=connection_limit)
session = requests.session()
session.mount('http://', adapter)
fetchpool = Pool(nCount)
for job in jobs:
fetchpool.spawn(self.foobar, session, job)
fetchpool.join()
def foobar(self, session, job):
session.get(......)
在 gevent 调用的函数里面，我直接用的 Requests.get 来下载页面，这个方式下不能复用连接，也没有主动去调用关闭，所以程序保持了几千个服务器之间的连接，最后把路由器玩死了。
现在修改成用 session 来 get ，一切完美了，速度也快了好多。
nCount = 50
connection_limit = nCount
adapter = requests.adapters.HTTPAdapter(pool_connections=connection_limit,
pool_maxsize=connection_limit)
session = requests.session()
session.mount('http://', adapter)
fetchpool = Pool(nCount)
for job in jobs:
fetchpool.spawn(self.foobar, session, job)
fetchpool.join()
def foobar(self, session, job):
session.get(......)
 |
1
markmx 2017-03-06 12:15:30 +08:00  1
换个好路由器.
|
 |
2
IanPeverell 2017-03-06 12:22:54 +08:00 1
感觉是：请求太多了，一次发不出那么多请求，全排路由缓存里了，然后把缓存挤爆了后面的都排不进去了就超时了，然后处理这些请求花了一两分钟，换个加宽带宽，然后异步请求更好一点
|
 |
3
onetrlee 2017-03-06 12:24:49 +08:00 1
1L+1
如果有在用路由,先尝试不用路由,再跑一下.如果有用光猫把光猫改成桥接,直连电脑然后电脑拨号跑一下试试. 我前段时间也是写爬虫,就是这个问题,最开始,1 秒撑死直接处理不到 1000 个请求,上行带宽只用了不到 10M.后来去掉路由有提升但是还是没跑满,又把光猫改成桥接电脑直接拨号,问题就解决了. 所以,如果你确定代码没问题的话,检查一下自己网络会经过的设备,挨个排查吧. |
 |
4
imn1 2017-03-06 12:26:49 +08:00 1
可以确认 LZ 不玩 P2P ，是个好孩子
|
 |
5
4ever911 OP 我也怀疑是路由器，这个是华为的 3000 多的路由器，按说不至于这么脆弱啊。
我确实在阿里云上测试过，毫无压力。 |
|
6
4ever911 OP 说错了， netgear 的路由器
|
|
8
4ever911 OP |
 |
9
8355 2017-03-06 14:47:53 +08:00
肯定是路由器设置问题. 找找一般抗攻击之类的设置.
|
 |
10
ericbize 2017-03-06 15:00:45 +08:00
不要开 Qos ， 网件的 Qos 好奇怪，连测速的都给搞一下。
|
 |
12
sola97 2017-03-06 15:12:18 +08:00 via Android
记得以前用 zmap ，速度过快就全堆内存里了， 24G 内存堆满就报错，网卡还要处理十分钟
|
 |
13
yxqcyl 2017-03-06 16:10:56 +08:00
楼主广东人？
|
 |
15
webcoder 2017-03-06 17:34:58 +08:00
端口刷太多，然后不释放，锁死了？？
|
 |
16
Sh888 2017-03-06 17:39:25 +08:00
家用宽带应该有最大连接数限制吧。
|
 |
17
dsg001 2017-03-06 20:06:09 +08:00
本机 gevent+requests 跑百万 url 没问题，路由器应该事设置有问题吧
|
 |
18
bertie55 2017-03-06 20:10:32 +08:00
|
 |
19
qydyhyn 2017-03-06 20:23:25 +08:00
用软路由试试吧！
|
 |
20
nicevar 2017-03-06 20:38:17 +08:00 via iPhone
量太大了，家用路由器扛不住的，我的 R8000 和 6300 被我跑崩好多次
|
|
21
4ever911 OP 最后发现， 路由器表示不背锅， 是我的程序写的有问题
在 gevent 调用的函数里面，我直接用的 Requests.get 来下载页面，这个方式下不能复用连接，也没有主动去调用关闭，所以程序保持了几千个服务器之间的连接，最后把路由器玩死了。 现在修改成用 session 来 get ，一切完美了，速度也快了好多。 nCount = 50 connection_limit = nCount adapter = requests.adapters.HTTPAdapter(pool_connections=connection_limit, pool_maxsize=connection_limit) session = requests.session() session.mount('http://', adapter) fetchpool = Pool(nCount) for job in jobs: fetchpool.spawn(self.foobar, session, job) fetchpool.join() def foobar(self, session, job): session.get(......) 不过，之前也没留心，我的路由器也有一些问题，非常不稳定，尤其是 wifi ，干扰严重，即使我已经选择了别人都没有用的 channel |
 |
22
skylancer 2017-03-07 08:26:03 +08:00 via Android
几千的连接就能跑挂..
我是建议先把渣渣网件固件换了 啊 8500 啊，那再见... |
 |
23
log4geek 2017-03-07 17:09:20 +08:00
|
Select Language