使用 aiohttp/asyncio 发出 100 万个请求 - 字面意思

Posted 2023-03-13

【中文标题】使用 aiohttp/asyncio 发出 100 万个请求 - 字面意思

【英文标题】：Making 1 milion requests with aiohttp/asyncio - literally

【发布时间】：2016-12-14 08:29:10

【问题描述】：

我跟进了本教程：https://pawelmhm.github.io/asyncio/python/aiohttp/2016/04/22/asyncio-aiohttp.html，当我处理 50 000 个请求时，一切正常。但我需要进行 100 万次 API 调用，然后我对这段代码有疑问：

    url = "http://some_url.com/?id="
    tasks = set()

    sem = asyncio.Semaphore(MAX_SIM_CONNS)
    for i in range(1, LAST_ID + 1):
        task = asyncio.ensure_future(bound_fetch(sem, url.format(i)))
        tasks.add(task)

    responses = asyncio.gather(*tasks)
    return await responses

因为 Python 需要创建 100 万个任务，它基本上只是滞后，然后在终端中打印 Killed 消息。有没有办法使用由预制的 URL 集（或列表）生成的生成器？谢谢。

【问题讨论】：

信号量不是为了那个吗？即使我将信号量设置为 10，我也会收到延迟和“Killed”消息。

我尝试了链接中的示例并且它有效。正如作者所说，1000000 个请求大约需要 11-12 分钟。我什至调整了它以使用 python3.4。在这里工作。也许您的代码在其他地方还有其他问题。你能发布整个代码吗？

你能在程序被杀死和/或 Python 解释器得到的完整错误后发布dmesg 命令输出吗？应该是 MemoryError。

【参考方案1】：

一次安排所有 100 万个任务

这是您正在谈论的代码。它最多需要 3 GB RAM，因此如果您的可用内存不足，它很容易被操作系统终止。

import asyncio
from aiohttp import ClientSession

MAX_SIM_CONNS = 50
LAST_ID = 10**6

async def fetch(url, session):
    async with session.get(url) as response:
        return await response.read()

async def bound_fetch(sem, url, session):
    async with sem:
        await fetch(url, session)

async def fetch_all():
    url = "http://localhost:8080/?id="
    tasks = set()
    async with ClientSession() as session:
        sem = asyncio.Semaphore(MAX_SIM_CONNS)
        for i in range(1, LAST_ID + 1):
            task = asyncio.create_task(bound_fetch(sem, url.format(i), session))
            tasks.add(task)
        return await asyncio.gather(*tasks)

if __name__ == '__main__':
    asyncio.run(fetch_all())

使用队列简化工作

这是我对如何使用asyncio.Queue 将 URL 传递给工作任务的建议。队列按需要填充，没有预先制作的 URL 列表。

它只需要 30 MB RAM :)

import asyncio
from aiohttp import ClientSession

MAX_SIM_CONNS = 50
LAST_ID = 10**6

async def fetch(url, session):
    async with session.get(url) as response:
        return await response.read()

async def fetch_worker(url_queue):
    async with ClientSession() as session:
        while True:
            url = await url_queue.get()
            try:
                if url is None:
                    # all work is done
                    return
                response = await fetch(url, session)
                # ...do something with the response
            finally:
                url_queue.task_done()
                # calling task_done() is necessary for the url_queue.join() to work correctly

async def fetch_all():
    url = "http://localhost:8080/?id="
    url_queue = asyncio.Queue(maxsize=100)
    worker_tasks = []
    for i in range(MAX_SIM_CONNS):
        wt = asyncio.create_task(fetch_worker(url_queue))
        worker_tasks.append(wt)
    for i in range(1, LAST_ID + 1):
        await url_queue.put(url.format(i))
    for i in range(MAX_SIM_CONNS):
        # tell the workers that the work is done
        await url_queue.put(None)
    await url_queue.join()
    await asyncio.gather(*worker_tasks)

if __name__ == '__main__':
    asyncio.run(fetch_all())

【参考方案2】：

asyncio 受内存限制（与任何其他程序一样）。您无法生成更多内存可以容纳的任务。我的猜测是你达到了内存限制。查看 dmesg 了解更多信息。

100 万个 RPS 并不意味着有 100 万个任务。一个任务可以在同一秒内完成多个请求。