我正在使用 python 3.5,我正在检查 urllib 模块与请求模块的性能。
我用 python 编写了两个客户端,第一个使用 urllib 模块,第二个使用 request 模块。
他们都生成一个二进制数据,我将其发送到基于 flask 的服务器,我也从 flask 服务器返回一个二进制数据给客户端。
我发现将数据从客户端发送到服务器所花费的时间对于两个模块(urllib,请求)来说是相同的,但是从服务器返回数据到客户端所花费的时间在 urllib 中比请求快两倍.
我在本地主机上工作。
我的问题是为什么?
我在请求模块上做错了什么导致速度变慢?
这是服务器代码:
from flask import Flask, request
app = Flask(__name__)
from timeit import default_timer as timer
import os
@app.route('/onStringSend', methods=['GET', 'POST'])
def onStringSend():
return data
if __name__ == '__main__':
data_size = int(1e7)
data = os.urandom(data_size)
app.run(host="0.0.0.0", port=8080)
这是基于urllib的客户端代码:
import urllib.request as urllib2
import urllib.parse
from timeit import default_timer as timer
import os
data_size = int(1e7)
num_of_runs = 20
url = 'http://127.0.0.1:8080/onStringSend'
def send_binary_data():
data = os.urandom(data_size)
headers = {'User-Agent': 'Mozilla/5.0 (compatible; Chrome/22.0.1229.94; Windows NT)', 'Content-Length': '%d' % len(data), 'Content-Type': 'application/octet-stream'}
req = urllib2.Request(url, data, headers)
round_trip_time_msec = [0] * num_of_runs
for i in range(0,num_of_runs):
t1 = timer()
resp = urllib.request.urlopen(req)
response_data = resp.read()
t2 = timer()
round_trip_time_msec[i] = (t2 - t1) * 1000
t_max = max(round_trip_time_msec)
t_min = min(round_trip_time_msec)
t_average = sum(round_trip_time_msec)/len(round_trip_time_msec)
print('max round trip time [msec]: ', t_max)
print('min round trip time [msec]: ', t_min)
print('average round trip time [msec]: ', t_average)
send_binary_data()
这是基于请求的客户端代码:
import requests
import os
from timeit import default_timer as timer
url = 'http://127.0.0.1:8080/onStringSend'
data_size = int(1e7)
num_of_runs = 20
def send_binary_data():
data = os.urandom(data_size)
s = requests.Session()
s.headers['User-Agent'] = 'Mozilla/5.0 (compatible; Chrome/22.0.1229.94;Windows NT)'
s.headers['Content-Type'] = 'application/octet-stream'
s.headers['Content-Length'] = '%d' % len(data)
round_trip_time_msec = [0] * num_of_runs
for i in range(0,num_of_runs):
t1 = timer()
response_data = s.post(url=url, data=data, stream=False, verify=False)
t2 = timer()
round_trip_time_msec[i] = (t2 - t1) * 1000
t_max = max(round_trip_time_msec)
t_min = min(round_trip_time_msec)
t_average = sum(round_trip_time_msec)/len(round_trip_time_msec)
print('max round trip time [msec]: ', t_max)
print('min round trip time [msec]: ', t_min)
print('average round trip time [msec]: ', t_average)
send_binary_data()
非常感谢
最佳答案
首先,为了重现该问题,我必须将以下行添加到您的 onStringSend
函数中:
request.get_data()
否则,我会收到“连接被对等方重置”错误,因为服务器的接收缓冲区一直在填满。
现在,这个问题的直接原因是 Response.content
(当 stream=False
时隐式调用)iterates over the response data in chunks of 10240 bytes :
self._content = bytes().join(self.iter_content(CONTENT_CHUNK_SIZE)) or bytes()
因此,解决该问题的最简单方法是使用stream=True
,从而告诉 Requests 您将按照自己的节奏读取数据:
response_data = s.post(url=url, data=data, stream=True, verify=False).raw.read()
随着这一变化,Requests 版本的性能与 urllib 版本的性能大致相同。
另请参阅“Raw Response Content ”请求文档中的部分以获得有用的建议。
现在,有趣的问题仍然存在:为什么 Response.content
以如此小的 block 进行迭代?在talking to Cory Benfield之后作为 Requests 的核心开发者,看起来可能没有特别的原因。我提交了 issue #3186在请求进一步调查这一点。
关于Python 3 urllib VS 请求性能,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37135880/