在昨天的直播中,有同学问道,如果使用 asyncio + httpx 实现并发请求,怎么限制请求的频率呢?怎么限制最多只能有 x 个请求同时发出呢?我们今天给出两种方案。
提出问题
假设如果我们同时发起12个请求,每个请求的时间不同,那么总共的请求时间大概跟最长耗时的请求差不多。我们先来写一个用于测试的例子:
- import asyncio
- import httpx
- import time
- async def req(delay):
- print(f'请求一个延迟为{delay}秒的接口')
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- async def main():
- start = time.time()
- delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8]
- task_list = []
- for delay in delay_list:
- task = asyncio.create_task(req(delay))
- task_list.append(task)
- await asyncio.gather(*task_list)
- end = time.time()
- print(f'一共耗时:{end - start}')
- asyncio.run(main())
这段代码,使用 for 循环创建了12个协程任务,这些任务几乎同时运行,于是,请求完成所有的接口,总共耗时如下图所示:
现在的问题是,由于网站有反爬虫机制,最多只能同时发起3个请求。那么我们怎么确保同一时间最多只有3个协程在请求网络呢?
限制协程任务数
第一个方案跟以前限制多线程的线程数的方案相同。我们创建一个列表,确保列表里面最多只有3个任务,然后持续循环检查,发现有任务完成了,就移除这个完成的任务,并加入一个新的任务,直到待爬的列表为空,这个任务列表也为空。代码如下:
- import asyncio
- import httpx
- import time
- async def req(delay):
- print(f'请求一个延迟为{delay}秒的接口')
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- async def main():
- start = time.time()
- delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8]
- task_list = []
- while True:
- if not delay_list and not task_list:
- break
- while len(task_list) < 3:
- if delay_list:
- delay = delay_list.pop()
- task = asyncio.create_task(req(delay))
- task_list.append(task)
- else:
- break
- task_list = [task for task in task_list if not task.done()]
- await asyncio.sleep(1)
- end = time.time()
- print(f'一共耗时:{end - start}')
- asyncio.run(main())
运行效果如下图所示:
总共耗时大概28秒左右。比串行需要的58秒快了一半,但比全部同时并发多了一倍。
使用 Semaphore
asyncio 实际上自带了一个限制协程数量的类,叫做Semaphore。我们只需要初始化它,传入最大允许的协程数量,然后就可以通过上下文管理器来使用。我们看一下代码:
- import asyncio
- import httpx
- import time
- async def req(delay, sem):
- print(f'请求一个延迟为{delay}秒的接口')
- async with sem:
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- async def main():
- start = time.time()
- delay_list = [3, 6, 1, 8, 2, 4, 5, 2, 7, 3, 9, 8]
- task_list = []
- sem = asyncio.Semaphore(3)
- for delay in delay_list:
- task = asyncio.create_task(req(delay, sem))
- task_list.append(task)
- await asyncio.gather(*task_list)
- end = time.time()
- print(f'一共耗时:{end - start}')
- asyncio.run(main())
运行效果如下图所示:
耗时为22秒,比第一个方案更快。
我们来看看Semaphore的用法,它的格式为:
- sem = asyncio.Semaphore(同时运行的协程数量)
- async def func(sem):
- async with sem:
- 这里是并发执行的代码
- task_list = []
- for _ in range(总共需要执行的任务数):
- task = asyncio.create_task(func(sem))
- task_list.append(task)
- await asyncio.gather(*task_list)
当我们要限制一个协程的并发数的时候,可以在调用协程之前,先初始化一个Semaphore对象。然后把这个对象传到需要限制并发的协程里面,在协程里面,使用异步上下文管理器包住你的正式代码:
- async with sem:
- 正式代码
这样一来,如果并发数没有达到限制,那么async with sem会瞬间执行完成,进入里面的正式代码中。如果并发数已经达到了限制,那么其他的协程会阻塞在async with sem这个地方,直到正在运行的某个协程完成了,退出了,才会放行一个新的协程去替换掉这个已经完成的协程。
这个写法其实跟多线程的加锁很像。只不过锁是确保同一个时间只有一个线程在运行,而Semaphore可以人为指定能有多少个协程同时运行。
如何限制1分钟内能够运行的协程数
可能同学看了上面的例子以后,只知道如何限制同时运行的协程数。但是怎么限制在一段时间里同时运行的协程数呢?
其实非常简单,在并发的协程里面加个 asyncio.sleep 就可以了。例如上面的例子,我想限制每分钟只能有3个协程,那么可以把代码改为:
- async def req(delay, sem):
- print(f'请求一个延迟为{delay}秒的接口')
- async with sem:
- async with httpx.AsyncClient(timeout=20) as client:
- resp = await client.get(f'http://127.0.0.1:8000/sleep/{delay}')
- result = resp.json()
- print(result)
- await asyncio.sleep(60)
总结
如果大家要限制协程的并发数,那么最简单的办法就是使用asyncio.Semaphore。但需要注意的是,只能在启动协程之前初始化它,然后传给协程。要确保所有并发协程拿到的是同一个Semaphore对象。
当然,你的程序里面,可能有多个不同的部分,有些部分限制并发数为 a,有些部分限制并发数为 b。那么你可以初始化多个Semaphore对象,分别传给不同的协程。
原文链接:https://mp.weixin.qq.com/s/zs319rzFDE5y7v4egbZOUQ