最近学习了多线程、多进程、协程以及IO多路复用,那么对于爬取数据来说,这几个方式哪个最快呢,今天就来稍微测试一下

普通方式请求百度5次

import socket
import time
import socks socks.set_default_proxy(socks.HTTP,addr='192.168.105.71',port=80) #设置socks代理
socket.socket = socks.socksocket # 把代理应用到socket
def blocking(wd):
sock = socket.socket()
sock.connect(('www.baidu.com',80)) # 连接百度
request = 'GET {} HTTP/1.0\r\nHost:www.baidu.com\r\n\r\n'.format('/s?wd={}'.format(wd)) # 构造http请求头
response = b'' # 用于接收数据
sock.send(request.encode()) # 发送http请求
chunk = sock.recv(1024) # 一次接收1024字节数据
while chunk: # 循环接收数据,若没有数据了说明已接收完
response += chunk # 字符串拼接
chunk = sock.recv(1024)
# print(response.decode())
return response def blocking_way():
search_list = ['python', 'java', 'C++', 'Ruby', 'Go']
for item in search_list:
blocking(item) if __name__ == '__main__':
start_time = time.time()
blocking_way()
print('请求5次百度总耗时:{}'.format(round(time.time()-start_time,2)))

多次执行结果:

请求5次百度总耗时:4.24秒

多线程版本

import socket
import time
import socks
from multiprocessing.pool import ThreadPool socks.set_default_proxy(socks.HTTP,addr='192.168.105.71',port=80) #设置socks代理
socket.socket = socks.socksocket # 把代理应用到socket
def blocking(wd):
sock = socket.socket()
sock.connect(('www.baidu.com',80)) # 连接百度
request = 'GET {} HTTP/1.0\r\nHost:www.baidu.com\r\n\r\n'.format('/s?wd={}'.format(wd)) # 构造http请求头
response = b'' # 用于接收数据
sock.send(request.encode()) # 发送http请求
chunk = sock.recv(1024) # 一次接收1024字节数据
while chunk: # 循环接收数据,若没有数据了说明已接收完
response += chunk # 字符串拼接
chunk = sock.recv(1024)
# print(response.decode())
return response def blocking_way():
#多线程
pool = ThreadPool(5) #实例线程池,开启5个线程
search_list = ['python','java','C++','Ruby','Go']
for i in search_list:
pool.apply_async(blocking,args=(i,)) # 提交任务到线程池
pool.close() #线程池不再接收任务
pool.join() #等待任务执行完 if __name__ == '__main__':
start_time = time.time()
blocking_way()
print('请求5次百度总耗时:{}'.format(round(time.time()-start_time,2)))

多次执行结果:

请求5次百度总耗时:1.0秒

多进程版本

import socket
import time
import socks
from multiprocessing import Pool socks.set_default_proxy(socks.HTTP,addr='192.168.105.71',port=80) #设置socks代理
socket.socket = socks.socksocket # 把代理应用到socket
def blocking(wd):
sock = socket.socket()
sock.connect(('www.baidu.com',80)) # 连接百度
request = 'GET {} HTTP/1.0\r\nHost:www.baidu.com\r\n\r\n'.format('/s?wd={}'.format(wd)) # 构造http请求头
response = b'' # 用于接收数据
sock.send(request.encode()) # 发送http请求
chunk = sock.recv(1024) # 一次接收1024字节数据
while chunk: # 循环接收数据,若没有数据了说明已接收完
response += chunk # 字符串拼接
chunk = sock.recv(1024)
# print(response.decode())
return response def blocking_way():
#多进程
pool = Pool(5)
search_list = ['python','java','C++','Ruby','Go']
for i in search_list:
pool.apply_async(blocking,args=(i,))
pool.close()
pool.join() if __name__ == '__main__':
start_time = time.time()
blocking_way()
print('请求5次百度总耗时:{}'.format(round(time.time()-start_time,2)))

多次执行结果:

请求5次百度总耗时:1.52秒

协程版本

from gevent import monkey;monkey.patch_socket()
import socket
import time
import socks
import gevent socks.set_default_proxy(socks.HTTP,addr='192.168.105.71',port=80) #设置socks代理
socket.socket = socks.socksocket # 把代理应用到socket
def blocking(wd):
sock = socket.socket()
sock.connect(('www.baidu.com',80)) # 连接百度
request = 'GET {} HTTP/1.0\r\nHost:www.baidu.com\r\n\r\n'.format('/s?wd={}'.format(wd)) # 构造http请求头
response = b'' # 用于接收数据
sock.send(request.encode()) # 发送http请求
chunk = sock.recv(1024) # 一次接收1024字节数据
while chunk: # 循环接收数据,若没有数据了说明已接收完
response += chunk # 字符串拼接
chunk = sock.recv(1024)
# print(response.decode())
return response def blocking_way():
search_list = ['python', 'java', 'C++', 'Ruby', 'Go']
tasks = [gevent.spawn(blocking,i) for i in search_list]
gevent.joinall(tasks) if __name__ == '__main__':
start_time = time.time()
blocking_way()
print('请求5次百度总耗时:{}'.format(round(time.time()-start_time,2)))

多次执行结果:

请求5次百度总耗时:1.02秒

IO多路复用版本

import socks
import time
import socket
import selectors
socks.set_default_proxy(socks.HTTP,addr='192.168.105.71',port=80) # 设置socks代理
socket.socket = socks.socksocket # 把代理应用到socket selector = selectors.DefaultSelector() # 事件选择器
flag = True # 事件循环的标志
times = 5 # 用于计数,每请求一次百度,就减1,若为0,说明已请求5次,此时结束事件循环 class Crawler():
def __init__(self,wd):
self.response = b'' # 用于接收数据
self.wd = wd # 搜索内容 def fetch(self):
'''创建客户端套接字,连接百度,定义好如果连接成功应该调用什么函数'''
client = socket.socket()
client.setblocking(False)
try:
client.connect(('www.baidu.com',80)) #此处需要注册事件监控
except BlockingIOError:
pass
selector.register(client,selectors.EVENT_WRITE,self.send_request) def send_request(self,client):
'''连接成功后发送请求到百度,并注册事件:收到百度应答应该做什么'''
selector.unregister(client) # 把原先监控的事件取消,方便后面监控其他事件
request = 'GET {} HTTP/1.0\r\nHost:www.baidu.com\r\n\r\n'.format('/s?wd={}'.format(self.wd)) # 构造http请求头
client.send(request.encode())
selector.register(client,selectors.EVENT_READ,self.get_response) #此处注册事件,若百度响应,调用get_response def get_response(self,client):
'''若有数据发过来,就接收,每次发数据过来,都会触发,所以不用while循环'''
global flag
global times
data = client.recv(1024) # 每次接收的数据不超过1024字节,若大于1024,分批传输
if data:
self.response += data # 字符串拼接
else: # 数据接收完
# print(self.response.decode())
client.close()
selector.unregister(client)
times -= 1 # 每次请求的响应接收完后,计数器减一
if times == 0: # 5次请求完后,结束事件监控循环
flag = False
def loop():
'''事件监控循环'''
while flag:
events = selector.select()
for key,mask in events:
callback = key.data
callback(key.fileobj) if __name__ == '__main__':
start_time = time.time()
search_list = ['python', 'java', 'C++', 'Ruby', 'Go']
for item in search_list:
crawler = Crawler(item)
crawler.fetch()
loop()
print('请求5次百度耗时:{}'.format(round(time.time()-start_time,2)))

多次执行结果:

请求5次百度耗时:1.17

大家可以把请求数调多一些多试几次!

基本上协程和多线程耗时较短,更适用于爬虫。

多线程、多进程、协程、IO多路复用请求百度的更多相关文章

  1. 协程IO多路复用

    协程:单线程下实现并发并发:伪并行,遇到IO就切换,单核下多个任务之间切换执行,给你的效果就是貌似你的几个程序在同时执行.提高效率任务切换 + 保存状态并行:多核cpu,真正的同时执行串行:一个任务执 ...

  2. day 35 协程 IO多路复用

    0.基于socket发送Http请求 import socket import requests # 方式一 ret = requests.get('https://www.baidu.com/s?w ...

  3. 多线程 多进程 协程 Queue(爬虫代码)

    快速理解多进程与多线程以及协程的使用场合和特点 首先我们来了解下python中的进程,线程以及协程! 从计算机硬件角度: 计算机的核心是CPU,承担了所有的计算任务.一个CPU,在一个时间切片里只能运 ...

  4. Python之路--协程/IO多路复用

    引子: 之前学习过了,线程,进程的概念,知道了在操作系统中进程是资源分配的最小单位,线程是CPU调度的最小单位.按道理来说我们已经算是把CPU的利用率提高很多了.但是我们知道无论是创建多进程还是创建多 ...

  5. 12_进程,线程,协程,IO多路复用的区别

    1.进程 1.进程可以使用计算机多核 2.进程是资源分配的单位 3.进程的创建要比线程消耗更多的资源效率很低 4.进程空间独立,数据安全性跟好操作有专门的进程间通信方式 5.一个进程可以包含多个线程, ...

  6. 协程 IO多路复用

    -----------------------------------------------------------------试试并非受罪,问问并不吃亏.善于发问的人,知识丰富. # # ---- ...

  7. Python自动化 【第十篇】:Python进阶-多进程/协程/事件驱动与Select\Poll\Epoll异步IO

    本节内容: 多进程 协程 事件驱动与Select\Poll\Epoll异步IO   1.  多进程 启动多个进程 进程中启进程 父进程与子进程 进程间通信 不同进程间内存是不共享的,要想实现两个进程间 ...

  8. 也说性能测试,顺便说python的多进程+多线程、协程

    最近需要一个web系统进行接口性能测试,这里顺便说一下性能测试的步骤吧,大概如下 一.分析接口频率 根据系统的复杂程度,接口的数量有多有少,应该优先对那些频率高,数据库操作频繁的接口进行性能测试,所以 ...

  9. 深入浅析python中的多进程、多线程、协程

    深入浅析python中的多进程.多线程.协程 我们都知道计算机是由硬件和软件组成的.硬件中的CPU是计算机的核心,它承担计算机的所有任务. 操作系统是运行在硬件之上的软件,是计算机的管理者,它负责资源 ...

随机推荐

  1. hdu 4322(最大费用最大流)

    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=4322 思路:建图真的是太巧妙了!直接copy大牛的了: 由于只要得到糖就肯定有1个快乐度,在这一点上糖 ...

  2. poj 3498(最大流+拆点)

    题目链接:http://poj.org/problem?id=3498 思路:首先设一个超级源点,将源点与各地相连,边容量为各点目前的企鹅数量,然后就是对每个冰块i进行拆点了(i,i+n),边容量为能 ...

  3. 高质量JavaScript代码

    才华横溢的Stoyan Stefanov,在他写的由O’Reilly初版的新书<JavaScript Patterns>(JavaScript模式)中,我想要是为我们的读者贡献其摘要,那会 ...

  4. 调结者(Dispatcher)之执行action

    调结者的执行action StrutsExecuteFilter类的工作就是执行对应的action请求.StrutsExecuteFilter类的工作还需要有一个叫ExecuteOperations类 ...

  5. cocos3.x 接入微信无法调用回调函数onResp的问题

    要想顺利调用必须保证一下几点: 1.WXEntryActivity的包名必须正确,格式为你的APK包名+wxapi.WXEntryActivity(注意:是apk包名,而不是org.cocos2dx. ...

  6. CodeForces 670C Cinema(排序,离散化)

    C. Cinema time limit per test 2 seconds memory limit per test 256 megabytes input standard input out ...

  7. phpmail发送邮件

    ---恢复内容开始--- 首先.需要phpmailer的包. 地址:https://github.com/Synchro/PHPMailer 解开压缩包,将class.phpmailer.php,cl ...

  8. Apache Lucene评分机制的内部工作原理

    Apache Lucene评分机制的内部工作原理' 第5章

  9. SQL中的函数 •Aggregate 函数 •Scalar 函数

    合计函数  :Aggregate是针对一系列值的操作,返回一个单一的值 Scalar 函数是针对一个单一的值的操作,返回基于输入值的一个单一值 合计函数: AVG()返回某列的平均值:COUNT()返 ...

  10. Java 集合框架工具类

    Collections Arrays Collections 集合框架的工具类, 里面的方法都是静态的, 可以直接使用类名调用 常用方法 1. sort(List<T> list); // ...