前文：

最近在搞全網(wǎng)的CDN刷新系統(tǒng)，在性能調(diào)優(yōu)時(shí)遇到了requests長連接的一個(gè)問題，以前關(guān)注過長連接太多造成浪費(fèi)的問題，但因?yàn)橄到y(tǒng)都是分布式擴(kuò)展的，針對(duì)這種各別問題就懶得改動(dòng)了。 現(xiàn)在開發(fā)的緩存刷新系統(tǒng)，對(duì)于性能還是有些敏感的，我后面會(huì)給出最優(yōu)的http長連接池構(gòu)建方式。

老生常談：

python下的httpclient庫哪個(gè)最好用？ 我想大多數(shù)人還是會(huì)選擇requests庫的。原因么？也就是簡單，易用！

如何蛋疼的構(gòu)建reqeusts的短連接請(qǐng)求:

python requests庫默認(rèn)就是長連接的 (http 1.1, Connection: keep alive)，如果單純?cè)趓equests頭部去掉Connection是不靠譜的，還需要借助httplib來配合.

s = requests.Session()

del s.headers[’Connection’]

正確發(fā)起 http 1.0的請(qǐng)求姿勢是:

#xiaorui.ccimport httplibimport requestshttplib.HTTPConnection._http_vsn = 10httplib.HTTPConnection._http_vsn_str = ’HTTP/1.0’r = requests.get(’http://127.0.0.1:8888/’)

服務(wù)端接收的http包體內(nèi)容:

GET / HTTP/1.0Accept-Encoding: gzip, deflateAccept: */*User-Agent: python-requests/2.5.1 CPython/2.7.10 Darwin/15.4.0

所謂短連接就是發(fā)送 HTTP 1.0 協(xié)議，這樣web服務(wù)端當(dāng)然會(huì)在send完數(shù)據(jù)后，觸發(fā)close()，也就是傳遞 0 字符串，達(dá)到關(guān)閉連接 ！ 這里還是要吐槽一下，好多人天天說系統(tǒng)優(yōu)化，連個(gè)基本的網(wǎng)絡(luò)io都不優(yōu)化，你還想干嘛。。。下面我們依次聊requests長連接的各種問題及性能優(yōu)化。

那么requests長連接如何實(shí)現(xiàn)？

requests給我們提供了一個(gè)Session的長連接類，他不僅僅能實(shí)現(xiàn)最基本的長連接保持，還會(huì)附帶服務(wù)端返回的cookie數(shù)據(jù)。 在底層是如何實(shí)現(xiàn)的？

把HTTP 1.0 改成 HTTP 1.1 就可以了， 如果你標(biāo)明了是HTTP 1.1 ，那么有沒有 Connection: keep-alive 都無所謂的。 如果 HTTP 1.0加上Connection: keep-alive ，那么server會(huì)認(rèn)為你是長連接。 就這么簡單 ！

poll([{fd=5, events=POLLIN}], 1, 0) = 0 (Timeout)sendto(5, 'GET / HTTP/1.1rnHost: www.xiaorui.ccrnConnection: keep-alivernAccept-Encoding: gzip, deflaternAccept: */*rnUser-Agent: python-requests/2.9.1rnrn', 144, 0, NULL, 0) = 144fcntl(5, F_GETFL) = 0x2 (flags O_RDWR)fcntl(5, F_SETFL, O_RDWR) = 0

Session的長連接支持多個(gè)主機(jī)么？ 也就是我在一個(gè)服務(wù)里先后訪問 a.com, b.com, c.com 那么requests session能否幫我保持連接 ?

答案很明顯，當(dāng)然是可以的！

但也僅僅是可以一用，但他的實(shí)現(xiàn)有很多的槽點(diǎn)。比如xiaorui.cc的主機(jī)上還有多個(gè)虛擬主機(jī)，那么會(huì)出現(xiàn)什么情況么？ 會(huì)不停的創(chuàng)建新連接，因?yàn)閞eqeusts的urllib3連接池管理是基于host的，這個(gè)host可能是域名，也可能ip地址，具體是什么，要看你的輸入。

strace -p 25449 -e trace=connectProcess 25449 attached - interrupt to quitconnect(13, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('61.216.13.196')}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(53), sin_addr=inet_addr('10.202.72.116')}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('125.211.204.141')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('153.37.238.190')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('157.255.128.103')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('139.215.203.190')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('42.56.76.104')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('42.236.125.104')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('110.53.246.11')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('36.248.26.191')}, 16) = 0connect(8, {sa_family=AF_UNSPEC, sa_data='00000000000000'}, 16) = 0connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr('125.211.204.151')}, 16) = 0

又比如你可能都是訪問同一個(gè)域名，但是子域名不一樣，例子 a.xiaorui.cc, b.xiaorui.cc, c.xiaorui.cc, xxxx.xiaorui.cc，那么會(huì)造成什么問題？ 哪怕IP地址是一樣的，因?yàn)橛蛎灰粯樱敲磖equests session還是會(huì)幫你實(shí)例化長連接。

python 24899 root 3u IPv4 27187722 0t0 TCP 101.200.80.162:59576->220.181.105.185:http (ESTABLISHED)python 24899 root 4u IPv4 27187725 0t0 TCP 101.200.80.162:54622->101.200.80.162:http (ESTABLISHED)python 24899 root 5u IPv4 27187741 0t0 TCP 101.200.80.162:59580->220.181.105.185:http (ESTABLISHED)python 24899 root 6u IPv4 27187744 0t0 TCP 101.200.80.162:59581->220.181.105.185:http (ESTABLISHED)python 24899 root 7u IPv4 27187858 0t0 TCP localhost:50964->localhost:http (ESTABLISHED)python 24899 root 8u IPv4 27187880 0t0 TCP 101.200.80.162:54630->101.200.80.162:http (ESTABLISHED)python 24899 root 9u IPv4 27187921 0t0 TCP 101.200.80.162:54632->101.200.80.162:http (ESTABLISHED)

如果是同一個(gè)二級(jí)域名，不同的url會(huì)發(fā)生呢？ 是我們要的結(jié)果，只需要一個(gè)連接就可以了。

import requestsimport times = requests.Session()while 1: r = s.get(’http://a.xiaorui.cc/1’) r = s.get(’http://a.xiaorui.cc/2’) r = s.get(’http://a.xiaorui.cc/3’)

我們可以看到該進(jìn)程只實(shí)例化了一個(gè)長連接。

# xiaorui.ccpython 27173 root 2u CHR 136,11 0t0 14 /dev/pts/11python 27173 root 3u IPv4 27212480 0t0 TCP 101.200.80.162:36090->220.181.105.185:http (ESTABLISHED)python 27173 root 12r CHR 1,9 0t0 3871 /dev/urandom

那么requests還有一個(gè)不是問題的性能問題。。。

requests session是可以保持長連接的，但他能保持多少個(gè)長連接？ 10個(gè)長連接！ session內(nèi)置一個(gè)連接池，requests庫默認(rèn)值為10個(gè)長連接。

requests.adapters.HTTPAdapter(pool_connections=100, pool_maxsize=100)

一般來說，單個(gè)session保持10個(gè)長連接是絕對(duì)夠用了，但如果你是那種social爬蟲呢？這么多域名只共用10個(gè)長連接肯定不夠的。

python 28484 root 3u IPv4 27225486 0t0 TCP 101.200.80.162:54724->103.37.145.167:http (ESTABLISHED)python 28484 root 4u IPv4 27225349 0t0 TCP 101.200.80.162:36583->120.132.34.62:https (ESTABLISHED)python 28484 root 5u IPv4 27225490 0t0 TCP 101.200.80.162:46128->42.236.125.104:http (ESTABLISHED)python 28484 root 6u IPv4 27225495 0t0 TCP 101.200.80.162:43162->222.240.172.228:http (ESTABLISHED)python 28484 root 7u IPv4 27225613 0t0 TCP 101.200.80.162:37977->116.211.167.193:http (ESTABLISHED)python 28484 root 8u IPv4 27225413 0t0 TCP 101.200.80.162:40688->106.75.67.54:http (ESTABLISHED)python 28484 root 9u IPv4 27225417 0t0 TCP 101.200.80.162:59575->61.244.111.116:http (ESTABLISHED)python 28484 root 10u IPv4 27225521 0t0 TCP 101.200.80.162:39199->218.246.0.222:http (ESTABLISHED)python 28484 root 11u IPv4 27225524 0t0 TCP 101.200.80.162:46204->220.181.105.184:http (ESTABLISHED)python 28484 root 12r CHR 1,9 0t0 3871 /dev/urandompython 28484 root 14u IPv4 27225420 0t0 TCP 101.200.80.162:42684->60.28.124.21:http (ESTABLISHED)

讓我們看看requests的連接池是如何實(shí)現(xiàn)的？ 通過代碼很容易得出Session()默認(rèn)的連接數(shù)及連接池是如何構(gòu)建的？ 下面是requests的長連接實(shí)現(xiàn)源碼片段。如需要再詳細(xì)的實(shí)現(xiàn)細(xì)節(jié)，那就自己分析吧

# xiaorui.ccclass Session(SessionRedirectMixin): def __init__(self): ... self.max_redirects = DEFAULT_REDIRECT_LIMIT self.cookies = cookiejar_from_dict({}) self.adapters = OrderedDict() self.mount(’https://’, HTTPAdapter()) # 如果沒有單獨(dú)配置adapter適配器，那么就臨時(shí)配置一個(gè)小適配器 self.mount(’http://’, HTTPAdapter()) # 根據(jù)schema來分配不同的適配器adapter，上面是https，下面是http self.redirect_cache = RecentlyUsedContainer(REDIRECT_CACHE_SIZE)class HTTPAdapter(BaseAdapter): def __init__(self, pool_connections=DEFAULT_POOLSIZE, pool_maxsize=DEFAULT_POOLSIZE, max_retries=DEFAULT_RETRIES, pool_block=DEFAULT_POOLBLOCK): if max_retries == DEFAULT_RETRIES: self.max_retries = Retry(0, read=False) else: self.max_retries = Retry.from_int(max_retries) self.config = {} self.proxy_manager = {} super(HTTPAdapter, self).__init__() self._pool_connections = pool_connections self._pool_maxsize = pool_maxsize self._pool_block = pool_block self.init_poolmanager(pool_connections, pool_maxsize, block=pool_block) # 連接池管理DEFAULT_POOLBLOCK = False #是否阻塞連接池DEFAULT_POOLSIZE = 10 # 默認(rèn)連接池DEFAULT_RETRIES = 0 # 默認(rèn)重試次數(shù)DEFAULT_POOL_TIMEOUT = None # 超時(shí)時(shí)間

Python requests連接池是借用urllib3.poolmanager來實(shí)現(xiàn)的。

每一個(gè)獨(dú)立的(scheme, host, port)元祖使用同一個(gè)Connection, (scheme, host, port)是從請(qǐng)求的URL中解析分拆出來的。

from .packages.urllib3.poolmanager import PoolManager, proxy_from_url 。

下面是 urllib3的一些精簡源碼， 可以看出他的連接池實(shí)現(xiàn)也是簡單粗暴的。

# 解析url，分拆出scheme, host, portdef parse_url(url): ''' Example:: >>> parse_url(’http://google.com/mail/’) Url(scheme=’http’, host=’google.com’, port=None, path=’/mail/’, ...) >>> parse_url(’google.com:80’) Url(scheme=None, host=’google.com’, port=80, path=None, ...) >>> parse_url(’/foo?bar’) Url(scheme=None, host=None, port=None, path=’/foo’, query=’bar’, ...) return Url(scheme, auth, host, port, path, query, fragment)# 獲取匹配的長連接def connection_from_url(self, url, pool_kwargs=None): u = parse_url(url) return self.connection_from_host(u.host, port=u.port, scheme=u.scheme, pool_kwargs=pool_kwargs)# 獲取匹配host的長連接def connection_from_host(self, host, port=None, scheme=’http’, pool_kwargs=None): if scheme == 'https': return super(ProxyManager, self).connection_from_host( host, port, scheme, pool_kwargs=pool_kwargs) return super(ProxyManager, self).connection_from_host( self.proxy.host, self.proxy.port, self.proxy.scheme, pool_kwargs=pool_kwargs)# 根據(jù)url的三個(gè)指標(biāo)獲取連接def connection_from_pool_key(self, pool_key, request_context=None): with self.pools.lock: pool = self.pools.get(pool_key) if pool: return pool scheme = request_context[’scheme’] host = request_context[’host’] port = request_context[’port’] pool = self._new_pool(scheme, host, port, request_context=request_context) self.pools[pool_key] = pool return pool# 獲取長連接的主入口def urlopen(self, method, url, redirect=True, **kw): u = parse_url(url) conn = self.connection_from_host(u.host, port=u.port, scheme=u.scheme)

這里為止，Python requests關(guān)于session連接類實(shí)現(xiàn)，說的算明白了。 但就requests和urllib3的連接池實(shí)現(xiàn)來說，還是有一些提升空間的。 但問題來了，單單靠著域名和端口會(huì)造成一些問題，至于造成什么樣子的問題，我在上面已經(jīng)有詳細(xì)的描述了。

那么如何解決？

我們可以用 scheme + 主domain + host_ip + port 來實(shí)現(xiàn)長連接池的管理。

其實(shí)大多數(shù)的場景是無需這么細(xì)致的實(shí)現(xiàn)連接池的，但根據(jù)我們的測試的結(jié)果來看，在服務(wù)初期性能提升還是不小的。

這樣既解決了域名ip輪詢帶來的連接重置問題，也解決了多級(jí)域名下不能共用連接的問題。

以上這篇構(gòu)建高效的python requests長連接池詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。