目的:在爬虫中使用异步实现高性能的数据爬取操作。
异步爬虫的方式:
- 多线程: 多进程(不建议):
好处:可以为相关阻塞的操作单独开启线程或者进程,阻塞操作就可以异步执行;
弊端:无法无限制的开启多线程或者多进程;
- 线程池、进程池(适当的使用):
好处:可以降低系统对进程或者线程创建和销毁的一个频率,从而很好的降低系统的开销;
弊端:池中线程或进程的数量是有上限;
- 单线程 + 异步协程(推荐):
from multiprocessing.dummy import Pool
#实例化一个线程池对象 pool = Pool(4) #将列表中每一个列表元素传递给get_page进行处理。 pool.map(要执行异步操作的函数,函数的参数) pool.close()
event_loop:事件循环,相当于一个无限循环,我们可以把一些函数注册到这个事件循环上,当满足某些条件的时候,函数就会被循环执行。
coroutine:协程对象,我们可以将协程对象注册到事件循环中,他会被事件循环调用,我们可以使用,async关键字来定义一个方法,这个方法在调用时不会立即被执行,而是返回一个协程对象。
task:任务,他是对协程对象的进一步封装,包含了任务的各个状态;
future:代表将来执行或还没执行的任务,实际上和task没有本质区别;
async:定义一个协程;
await:用来挂起阻塞方法的执行;
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:高性能异步爬虫 - Python技术站