python - 最大化并行请求数 (aiohttp)

Question

tl;dr:如何最大化可以并行发送的 http 请求数量？

我正在使用 aiohttp 库从多个网址获取数据。我正在测试它的性能，并且观察到该过程中的某个地方存在瓶颈，一次运行更多的网址并没有帮助。

我正在使用此代码:

import asyncio
import aiohttp

async def fetch(url, session):
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:64.0) Gecko/20100101 Firefox/64.0'}
    try:
        async with session.get(
            url, headers=headers, 
            ssl = False, 
            timeout = aiohttp.ClientTimeout(
                total=None, 
                sock_connect = 10, 
                sock_read = 10
            )
        ) as response:
            content = await response.read()
            return (url, 'OK', content)
    except Exception as e:
        print(e)
        return (url, 'ERROR', str(e))

async def run(url_list):
    tasks = []
    async with aiohttp.ClientSession() as session:
        for url in url_list:
            task = asyncio.ensure_future(fetch(url, session))
            tasks.append(task)
        responses = asyncio.gather(*tasks)
        await responses
    return responses

loop = asyncio.get_event_loop()
asyncio.set_event_loop(loop)
task = asyncio.ensure_future(run(url_list))
loop.run_until_complete(task)
result = task.result().result()

使用不同长度的 url_list 运行此程序(针对 https://httpbin.org/delay/2 进行测试)，我发现添加更多要同时运行的网址最多只能帮助约 100 个网址，并且然后总时间开始与 url 数量成比例增长(或者换句话说，每个 url 的时间不会减少)。这表明尝试立即处理这些内容时会失败。此外，随着“一批”中的网址增多，我偶尔会收到连接超时错误。

• 为什么会发生这种情况？到底是什么限制了这里的速度？
• 如何检查在给定计算机上可以发送的最大并行请求数是多少？ (我的意思是一个确切的数字 - 不是上面通过“反复试验”得出的近似值)
• 如何才能增加一次处理的请求数量？

我在 Windows 上运行这个。

编辑以回应评论:

这是相同的数据，但限制设置为无。最后只有轻微的改善，并且一次发送 400 个 url 时出现许多连接超时错误。我最终对实际数据使用了 limit = 200。

Answer 1

默认情况下，aiohttp 将同时连接数限制为 100。它通过将默认 limit 设置为 TCPConnector object 来实现。由 ClientSession 使用。您可以通过创建自定义连接器并将其传递给 session 来绕过它:

connector = aiohttp.TCPConnector(limit=None)
async with aiohttp.ClientSession(connector=connector) as session:
    # ...

但请注意，您可能不想将此数字设置得太高:您的网络容量、CPU、RAM 和目标服务器都有自己的限制，尝试建立大量连接可能会导致失败增加。

最佳数量可能只能通过混凝土机器上的实验才能找到。

<小时/>

不相关:

您不必创建没有 reason 的任务。大多数 asyncio api 接受常规协程。例如，您的最后几行代码可以这样更改:

loop = asyncio.get_event_loop()
loop.run_until_complete(run(url_list))

如果您使用的是 Python 3.7，甚至只是 asyncio.run(run(url_list)) ( doc )