为什么基于协程的爬虫要比基于线程的爬虫慢? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
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
Feiox
V2EX    Python

为什么基于协程的爬虫要比基于线程的爬虫慢?

  •  
  •   Feiox
    feiox 2014-12-09 11:03:03 +08:00 5645 次点击
    这是一个创建于 3964 天前的主题,其中的信息可能已经有所发展或是发生改变。
    实测:
    20 个协程 * 1000 个任务 = 23 秒
    20 个线程 * 1000 个任务 = 12 秒

    10个协程 cpu 占用 2.3%
    20 个线程 cpu 占用 56 %

    测试代码为最简单 get 网页( with gevent.pool & reqeusts)
    21 条回复    2014-12-30 10:35:14 +08:00
    felixzhu
        1
    felixzhu  
       2014-12-09 11:21:39 +08:00
    切换成本?
    phoneli
        2
    phoneli  
       2014-12-09 11:42:17 +08:00
    网络io处理的问题?
    imn1
        3
    imn1  
       2014-12-09 11:46:40 +08:00
    你那个不是乘的关系吧?
    12秒 1k任务挺难想象的……爬什么网?
    如果只是本地,实际上只是磁盘IO……
    est
        4
    est &nbp;
       2014-12-09 11:48:06 +08:00
    目测代码姿势奇特。
    clino
        5
    clino  
       2014-12-09 11:48:08 +08:00
    因为协程只能用一个cpu吧
    所以适合与高IO低CPU的任务
    wuyadong
        6
    wuyadong  
       2014-12-09 11:48:59 +08:00
    requests是阻塞的吧。这样用没有用到协程的效果吧。
    clino
        7
    clino  
       2014-12-09 11:50:19 +08:00
    是不是因为爬到本地以后要做不少耗CPU的处理导致有这样的结果?
    如果有比较耗CPU的动作,看能不能在协程中调用子进程处理,这样就不会因为高CPU阻塞本进程
    Feiox
        8
    Feiox  
    OP
       2014-12-09 12:05:10 +08:00
    @imn1 学校的网。。。是很慢的。
    @wuyadong `requests` 是阻塞的?应该和这个没关系吧。。。确实比单线程块很多。
    @clino 没有。纯粹的 get 一个网页
    richardtsai
        9
    richardtsai  
       2014-12-09 12:25:27 +08:00
    @clino +1

    request的阻塞应该可以用gevent.monkey.patch_socket()变成非阻塞~?不过我也没试过……
    dant
        10
    dant  
       2014-12-09 12:29:59 +08:00 via iPhone
    20 个线程应该完全没有压力啊...
    不过 CPython 好像有 GIL?
    tabris17
        11
    tabris17  
       2014-12-09 12:31:41 +08:00
    你协程有没有充分利用多CPU资源,协程使用的IO库是不是阻塞的
    sujin190
        12
    sujin190  
       2014-12-09 12:38:44 +08:00
    协程不是这么用的
    displayabc
        13
    displayabc  
       2014-12-09 12:47:03 +08:00
    为什么协程会比线程快?
    zhouquanbest
        15
    zhouquanbest  
       2014-12-09 14:04:19 +08:00
    为了取得平衡
    我一般是多worker(process)+gevent
    数量根据业务调配 这样比较方便

    (论人手一个Python爬虫轮子的重要性)
    clino
        16
    clino  
       2014-12-09 17:00:42 +08:00
    楼主用 grequests 试过了吗?
    njutree
        17
    njutree  
       2014-12-09 17:54:46 +08:00
    首先不同语言的协程和线程还是有区别的,其次楼主爬的什么网页io高么,最后使用协程的时候没有让他们有阻塞么?
    zenliver
        18
    zenliver  
       2014-12-10 10:15:31 +08:00
    request 阻塞的 无误
    wuyadong
        19
    wuyadong  
       2014-12-10 10:38:07 +08:00
    @Feiox request是阻塞的,异步的关键是非阻塞的IO。我不是特别清楚gevent是否能将request转成非阻塞IO,但是我觉得有可能这个阻塞IO可能是关键。:)
    dishonest
        20
    dishonest  
       2014-12-26 14:21:22 +08:00
    @wuyadong @Feiox gevent 我记得是可以转requests的。
    datou552211
        21
    datou552211  
       2014-12-30 10:35:14 +08:00 via iPhone
    协程 语言本身代替系统做了线程的工作 所以和语言的效率有关
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     5628 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 25ms UTC 03:29 PVG 11:29 LAX 20:29 JFK 23:29
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86