http - 赛璐珞和高性能 HTTP 请求

Question

我尝试将现有的爬虫从 EventMachine 切换到 Celluloid。为了接触 Celluloid，我在通过 Nginx 提供服务的 linux 机器上生成了一堆静态文件，每个文件 150 kB。

底部的代码应该可以正常工作，但是代码有一个我不明白的问题:代码应该生成最多 50 个线程，因为线程池大小为 50，但它生成了 180 个线程。如果我将池大小增加到 100，则会生成 330 个线程。那里出了什么问题？

此代码的简单复制和粘贴应该适用于每个框，因此欢迎任何提示:)

#!/usr/bin/env jruby

require 'celluloid'
require 'open-uri'

URLS = *(1..1000)

@@requests = 0
@@responses = 0
@@total_size = 0

class Crawler
  include Celluloid

  def fetch(id)
    uri = URI("http://data.asconix.com/#{id}")
    puts "Request ##{@@requests += 1} -> #{uri}"
    begin
      req = open(uri).read
    rescue Exception => e
      puts e
    end
  end
end

URLS.each_slice(50).map do |idset|
  pool = Crawler.pool(size: 50)
  crawlers = idset.to_a.map do |id|
    begin
      pool.future(:fetch, id)
    rescue Celluloid::DeadActorError, Celluloid::MailboxError
    end
  end
  crawlers.compact.each do |resp|
    $stdout.print "Response ##{@@responses += 1} ->  "
    if resp.value.size == 150000
      $stdout.print "OK\n"
      @@total_size += resp.value.size
    else
      $stdout.print "ERROR\n"
    end
  end
  pool.terminate
  puts "Actors left: #{Celluloid::Actor.all.to_set.length} -- Alive: #{Celluloid::Actor.all.to_set.select(&:alive?).length}"
end

$stdout.print "Requests total: #{@@requests}\n"
$stdout.print "Responses total: #{@@responses}\n"
$stdout.print "Size total: #{@@total_size} bytes\n"

顺便说一句，当我在 each_slice 循环之外定义池时，也会出现同样的问题:

....
@pool = Crawler.pool(size: 50)

URLS.each_slice(50).map do |idset|
  crawlers = idset.to_a.map do |id|
    begin
      @pool.future(:fetch, id)
    rescue Celluloid::DeadActorError, Celluloid::MailboxError
    end
  end
  crawlers.compact.each do |resp|
    $stdout.print "Response ##{@@responses += 1} ->  "
    if resp.value.size == 150000
      $stdout.print "OK\n"
      @@total_size += resp.value.size
    else
      $stdout.print "ERROR\n"
    end
  end
  puts "Actors left: #{Celluloid::Actor.all.to_set.length} -- Alive: #{Celluloid::Actor.all.to_set.select(&:alive?).length}"
end

Answer 1

你用的是什么 ruby ？ jRuby、Rubinius 等等？那些版本是什么？

我问的原因是，每个 ruby 的线程处理方式不同。您似乎在描述的是为主管和任务添加的线程。查看您发帖的日期，纤程很可能实际上正在成为 native 线程，这可能会让它看起来像是在使用 jRuby。此外，使用 Futures 经常会调用内部线程池，这与您的池无关。

由于这些原因以及您可以寻找的其他类似原因，这就是为什么您的线程数高于池要求的原因。虽然这有点旧，所以也许您可以跟进您是否仍然有这个问题，并发布输出。