为什么基于协程的爬虫要比基于线程的爬虫慢？

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

这是一个创建于 3637 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）

个协

爬虫

占用

21 条回复 • 2014-12-30 10:35:14 +08:00

felixzhu

2014-12-09 11:21:39 +08:00

切换成本？

phoneli

2014-12-09 11:42:17 +08:00

网络io处理的问题？

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

2014-12-09 11:48:06 +08:00

目测代码姿势奇特。

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

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

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

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

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

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

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

2014-12-09 12:38:44 +08:00

协程不是这么用的

haython

2014-12-09 12:47:03 +08:00

为什么协程会比线程快？

cloverstd

2014-12-09 12:48:00 +08:00

requests 用的是 httplib

你可能需要看看这些
http://docs.python-requests.org/en/latest/user/advanced/#blocking-or-non-blocking
http://stackoverflow.com/questions/9501663/how-enable-requests-async-mode
https://github.com/kennethreitz/grequests

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

2014-12-09 17:00:42 +08:00

楼主用 grequests 试过了吗?

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

2014-12-10 10:15:31 +08:00

request 阻塞的无误

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

2014-12-26 14:21:22 +08:00

@wuyadong @Feiox gevent 我记得是可以转requests的。

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