多線程爬蟲介紹

来源:https://www.cnblogs.com/bibi-feiniaoyuan/archive/2018/09/01/9571842.html
-Advertisement-
Play Games

一個進程里只有一個線程,我們稱之為單線程爬蟲。單線程爬蟲每次只訪問一個頁面,不能充分利用電腦的網路帶寬。一個頁面最多也就幾百KB,所以爬蟲在爬取一個頁面的時候,多出來的網速就浪費掉了。 而如果我們可以讓爬蟲同時訪問10個頁面,就相當於我們的爬取速度提高了10倍。這個時候就需要使用多線程技術了。 這裡 ...


一個進程里只有一個線程,我們稱之為單線程爬蟲。單線程爬蟲每次只訪問一個頁面,不能充分利用電腦的網路帶寬。一個頁面最多也就幾百KB,所以爬蟲在爬取一個頁面的時候,多出來的網速就浪費掉了。

而如果我們可以讓爬蟲同時訪問10個頁面,就相當於我們的爬取速度提高了10倍。這個時候就需要使用多線程技術了。

這裡有一點要強調一下,Python這門語言在設計上的時候,有一個GIL鎖。這個東西讓Python的多線程都是偽多線程。本質上還是只有一個線程,但是這個線程每個事情只做幾毫秒,做完幾秒救保存線程,換做其他事情幾毫秒,換一輪下來繼續回到第一件事上,恢複線程再做幾秒,繼續換……

在《X戰警-天啟》中,萬磁王他兒子從教授的學院裡面救出了非常多的人。由於他速度非常的快,所以雖然它是一個人一個人救的,但是對其他人來說,就感覺像是全部同時移動到了學校外面去了一樣。

這樣微觀上的單線程,在巨集觀上看起來就像是同時在做幾件事。這種機制在IO密集型的操作上面影響也不大,但是在CPU計算密集型的操作上面,由於CPU本來十分繁忙,這就會對性能產生非常大的影響。所以涉及到計算密集型的程式,就需要使用多進程,Python的多進程不受GIL鎖的影響。

爬蟲屬於IO密集型的程式,所以使用多線程不會不會對性能造成太大的影響。

 

轉載:極客學院某位老師的話(修改了一點點)。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 題意 ftiasch 有 N 個物品, 體積分別是 W1, W2, ..., WN。 由於她的疏忽, 第 i 個物品丟失了。 “要使用剩下的 N - 1 物品裝滿容積為 x 的背包,有幾種方法呢?” -- 這是經典的問題了。她把答案記為 Count(i, x) ,想要得到所有1 <= i <= N, ...
  • 題意 Sol 講過無數次了。。很顯然,一個$10^12$的數開方不超過$8$次後就會變為$1$ 因此直接暴力更改即可,維護一下這段區間是否被全改為了$1$ 雙倍經驗:https://www.luogu.org/problemnew/show/P4145 ...
  • 1,Criteria Hibernate 設計了 CriteriaSpecification 作為 Criteria 的父介面,下麵提供了 Criteria和DetachedCriteria 。2,DetachedCriteria Spring 的框架提供了getHibernateTemplate( ...
  • 題意 給出$n, k$,求出滿足$a+b, b + c, c + a$都是$k$的倍數的三元組$a, b, c$的個數,$1 \leqslant a, b, c \leqslant N$ $n \leqslant 10^5$ Sol 昨晚Atcoder的第三題 我用$O(1)$的演算法過了一個$n \ ...
  • 題目:數字三角形 題目介紹:如圖所示的數字三角形,要求從最上方頂點開始一步一步下到最底層,每一步必須下一層,求出所經過的數字的最大和。 輸入:第一行值n,代表n行數值;後面的n行數據代表每一行的數字。 輸出:經過數字的最大和。 例: 輸入: 4 1 3 2 4 10 1 4 3 2 20 輸出: 2 ...
  • Java面向對象中的多線程 多線程 在 面向對象中的多線程中,要理解多線程的知識點,首先要掌握什麼是進程,什麼是線程?為什麼有多線程呢?多線程存在的意義有什麼什麼呢?線程的創建方式又有哪些?以及要理解多線程的特點等。 多線程和線程的理解 多線程?線程,多個線程,如何理解什麼是進程呢? 如圖: 任務管 ...
  • 最近在學習數據分析線性回歸演算法時,產生了很多疑問。作為初學者,我認為應該先從基本概念上進行一些深度理解。下麵將我的一些思考總結如下: 線性回歸模型為: (1) 其中ε是剩餘誤差,假設它服從的是高斯分佈,然後因此就將線性回歸模型和高斯模型聯合起來,獲取公式如下: 到這裡我是完全沒看懂! 對於線性回歸我 ...
  • 引入: 每次玩回合制游戲的時候,反反覆復的日常任務讓人不勝其煩 玩問道的時候,我們希望能夠自動刷道,玩夢幻希望能自動做師門、捉鬼等等 說明: 該外掛只能模擬滑鼠鍵盤操作,並不能修改游戲數據 我這裡使用的python2.7 開發工具是PyCharm 前期知識準備: 首先下載autopy包,我這裡PyC ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...