構建高效的python requests長連接池詳解

最近在搞全網的CDN刷新系統，在性能調優時遇到了requests長連接的一個問題，以前關注過長連接太多造成浪費的問題，但因為系統都是分佈式擴展的，針對這種各別問題就懶得改動了。 現在開發的緩存刷新系統，對於性能還是有些敏感的，我後面會給出最優的http長連接池構建方式。

老生常談：

python下的httpclient庫哪個最好用？ 我想大多數人還是會選擇requests庫的。原因麼？也就是簡單，易用！

如何蛋疼的構建reqeusts的短連接請求:

python requests庫默認就是長連接的 (http 1.1, Connection: keep alive)，如果單純在requests頭部去掉Connection是不靠譜的，還需要藉助httplib來配合.

s = requests.Session() del s.headers['Connection']

正確發起 http 1.0的請求姿勢是:

#xiaorui.cc import httplib import requests httplib.HTTPConnection._http_vsn = 10 httplib.HTTPConnection._http_vsn_str = 'HTTP/1.0' r = requests.get('http://127.0.0.1:8888/')

服務端接收的http包體內容:

GET / HTTP/1.0 Accept-Encoding: gzip, deflate Accept: */* User-Agent: python-requests/2.5.1 CPython/2.7.10 Darwin/15.4.0

所謂短連接就是發送 HTTP 1.0 協議，這樣web服務端當然會在send完數據後，觸發close()，也就是傳遞  字符串，達到關閉連接 ！ 這裡還是要吐槽一下，好多人天天說系統優化，連個基本的網絡io都不優化，你還想幹嘛。。。下面我們依次聊requests長連接的各種問題及性能優化。

那麼requests長連接如何實現？

requests給我們提供了一個Session的長連接類，他不僅僅能實現最基本的長連接保持，還會附帶服務端返回的cookie數據。 在底層是如何實現的？

把HTTP 1.0 改成 HTTP 1.1 就可以了， 如果你標明瞭是HTTP 1.1 ，那麼有沒有 Connection: keep-alive 都無所謂的。 如果 HTTP 1.0加上Connection: keep-alive ，那麼server會認為你是長連接。 就這麼簡單 ！

poll([{fd=5, events=POLLIN}], 1, 0) = 0 (Timeout) sendto(5, "GET / HTTP/1.1

Host: www.xiaorui.cc

Connection: keep-alive

Accept-Encoding: gzip, deflate

Accept: */*

User-Agent: python-requests/2.9.1



", 144, 0, NULL, 0) = 144 fcntl(5, F_GETFL) = 0x2 (flags O_RDWR) fcntl(5, F_SETFL, O_RDWR) = 0

Session的長連接支持多個主機麼？ 也就是我在一個服務裡先後訪問 a.com, b.com, c.com 那麼requests session能否幫我保持連接 ?

答案很明顯，當然是可以的！

但也僅僅是可以一用，但他的實現有很多的槽點。比如xiaorui.cc的主機上還有多個虛擬主機，那麼會出現什麼情況麼？ 會不停的創建新連接，因為reqeusts的urllib3連接池管理是基於host的，這個host可能是域名，也可能ip地址，具體是什麼，要看你的輸入。

strace -p 25449 -e trace=connect Process 25449 attached - interrupt to quit connect(13, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("61.216.13.196")}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(53), sin_addr=inet_addr("10.202.72.116")}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("125.211.204.141")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("153.37.238.190")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("157.255.128.103")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("139.215.203.190")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("42.56.76.104")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("42.236.125.104")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("110.53.246.11")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("36.248.26.191")}, 16) = 0 connect(8, {sa_family=AF_UNSPEC, sa_data=""}, 16) = 0 connect(8, {sa_family=AF_INET, sin_port=htons(80), sin_addr=inet_addr("125.211.204.151")}, 16) = 0

又比如你可能都是訪問同一個域名，但是子域名不一樣，例子 a.xiaorui.cc, b.xiaorui.cc, c.xiaorui.cc, xxxx.xiaorui.cc，那麼會造成什麼問題？ 哪怕IP地址是一樣的，因為域名不一樣，那麼requests session還是會幫你實例化長連接。

python 24899 root 3u IPv4 27187722 0t0 TCP 101.200.80.162:59576->220.181.105.185:http (ESTABLISHED) python 24899 root 4u IPv4 27187725 0t0 TCP 101.200.80.162:54622->101.200.80.162:http (ESTABLISHED) python 24899 root 5u IPv4 27187741 0t0 TCP 101.200.80.162:59580->220.181.105.185:http (ESTABLISHED) python 24899 root 6u IPv4 27187744 0t0 TCP 101.200.80.162:59581->220.181.105.185:http (ESTABLISHED) python 24899 root 7u IPv4 27187858 0t0 TCP localhost:50964->localhost:http (ESTABLISHED) python 24899 root 8u IPv4 27187880 0t0 TCP 101.200.80.162:54630->101.200.80.162:http (ESTABLISHED) python 24899 root 9u IPv4 27187921 0t0 TCP 101.200.80.162:54632->101.200.80.162:http (ESTABLISHED)

如果是同一個二級域名，不同的url會發生呢？ 是我們要的結果，只需要一個連接就可以了。

import requests import time s = requests.Session() while 1: r = s.get('http://a.xiaorui.cc/1') r = s.get('http://a.xiaorui.cc/2') r = s.get('http://a.xiaorui.cc/3')

我們可以看到該進程只實例化了一個長連接。

# xiaorui.cc python 27173 root 2u CHR 136,11 0t0 14 /dev/pts/11 python 27173 root 3u IPv4 27212480 0t0 TCP 101.200.80.162:36090->220.181.105.185:http (ESTABLISHED) python 27173 root 12r CHR 1,9 0t0 3871 /dev/urandom

那麼requests還有一個不是問題的性能問題。。。

requests session是可以保持長連接的，但他能保持多少個長連接？ 10個長連接！ session內置一個連接池，requests庫默認值為10個長連接。

requests.adapters.HTTPAdapter(pool_connections=100, pool_maxsize=100)

一般來說，單個session保持10個長連接是絕對夠用了，但如果你是那種social爬蟲呢？這麼多域名只共用10個長連接肯定不夠的。

python 28484 root 3u IPv4 27225486 0t0 TCP 101.200.80.162:54724->103.37.145.167:http (ESTABLISHED) python 28484 root 4u IPv4 27225349 0t0 TCP 101.200.80.162:36583->120.132.34.62:https (ESTABLISHED) python 28484 root 5u IPv4 27225490 0t0 TCP 101.200.80.162:46128->42.236.125.104:http (ESTABLISHED) python 28484 root 6u IPv4 27225495 0t0 TCP 101.200.80.162:43162->222.240.172.228:http (ESTABLISHED) python 28484 root 7u IPv4 27225613 0t0 TCP 101.200.80.162:37977->116.211.167.193:http (ESTABLISHED) python 28484 root 8u IPv4 27225413 0t0 TCP 101.200.80.162:40688->106.75.67.54:http (ESTABLISHED) python 28484 root 9u IPv4 27225417 0t0 TCP 101.200.80.162:59575->61.244.111.116:http (ESTABLISHED) python 28484 root 10u IPv4 27225521 0t0 TCP 101.200.80.162:39199->218.246.0.222:http (ESTABLISHED) python 28484 root 11u IPv4 27225524 0t0 TCP 101.200.80.162:46204->220.181.105.184:http (ESTABLISHED) python 28484 root 12r CHR 1,9 0t0 3871 /dev/urandom python 28484 root 14u IPv4 27225420 0t0 TCP 101.200.80.162:42684->60.28.124.21:http (ESTABLISHED)

讓我們看看requests的連接池是如何實現的？ 通過代碼很容易得出Session()默認的連接數及連接池是如何構建的？ 下面是requests的長連接實現源碼片段。如需要再詳細的實現細節，那就自己分析吧

# xiaorui.cc class Session(SessionRedirectMixin): def __init__(self): ... self.max_redirects = DEFAULT_REDIRECT_LIMIT self.cookies = cookiejar_from_dict({}) self.adapters = OrderedDict() self.mount('https://', HTTPAdapter()) # 如果沒有單獨配置adapter適配器，那麼就臨時配置一個小適配器 self.mount('http://', HTTPAdapter()) # 根據schema來分配不同的適配器adapter，上面是https，下面是http self.redirect_cache = RecentlyUsedContainer(REDIRECT_CACHE_SIZE) class HTTPAdapter(BaseAdapter): def __init__(self, pool_connections=DEFAULT_POOLSIZE, pool_maxsize=DEFAULT_POOLSIZE, max_retries=DEFAULT_RETRIES, pool_block=DEFAULT_POOLBLOCK): if max_retries == DEFAULT_RETRIES: self.max_retries = Retry(0, read=False) else: self.max_retries = Retry.from_int(max_retries) self.config = {} self.proxy_manager = {} super(HTTPAdapter, self).__init__() self._pool_connections = pool_connections self._pool_maxsize = pool_maxsize self._pool_block = pool_block self.init_poolmanager(pool_connections, pool_maxsize, block=pool_block) # 連接池管理 DEFAULT_POOLBLOCK = False #是否阻塞連接池 DEFAULT_POOLSIZE = 10 # 默認連接池 DEFAULT_RETRIES = 0 # 默認重試次數 DEFAULT_POOL_TIMEOUT = None # 超時時間

Python requests連接池是借用urllib3.poolmanager來實現的。

每一個獨立的(scheme, host, port)元祖使用同一個Connection, (scheme, host, port)是從請求的URL中解析分拆出來的。

from .packages.urllib3.poolmanager import PoolManager, proxy_from_url 。

下面是 urllib3的一些精簡源碼， 可以看出他的連接池實現也是簡單粗暴的。

# 解析url，分拆出scheme, host, port def parse_url(url): """ Example:: >>> parse_url('http://google.com/mail/') Url(scheme='http', host='google.com', port=None, path='/mail/', ...) >>> parse_url('google.com:80') Url(scheme=None, host='google.com', port=80, path=None, ...) >>> parse_url('/foo?bar') Url(scheme=None, host=None, port=None, path='/foo', query='bar', ...) return Url(scheme, auth, host, port, path, query, fragment) # 獲取匹配的長連接 def connection_from_url(self, url, pool_kwargs=None): u = parse_url(url) return self.connection_from_host(u.host, port=u.port, scheme=u.scheme, pool_kwargs=pool_kwargs) # 獲取匹配host的長連接 def connection_from_host(self, host, port=None, scheme='http', pool_kwargs=None): if scheme == "https": return super(ProxyManager, self).connection_from_host( host, port, scheme, pool_kwargs=pool_kwargs) return super(ProxyManager, self).connection_from_host( self.proxy.host, self.proxy.port, self.proxy.scheme, pool_kwargs=pool_kwargs) # 根據url的三個指標獲取連接 def connection_from_pool_key(self, pool_key, request_context=None): with self.pools.lock: pool = self.pools.get(pool_key) if pool: return pool scheme = request_context['scheme'] host = request_context['host'] port = request_context['port'] pool = self._new_pool(scheme, host, port, request_context=request_context) self.pools[pool_key] = pool return pool # 獲取長連接的主入口 def urlopen(self, method, url, redirect=True, **kw): u = parse_url(url) conn = self.connection_from_host(u.host, port=u.port, scheme=u.scheme)

這裡為止，Python requests關於session連接類實現，說的算明白了。 但就requests和urllib3的連接池實現來說，還是有一些提升空間的。 但問題來了，單單靠著域名和端口會造成一些問題，至於造成什麼樣子的問題，我在上面已經有詳細的描述了。

那麼如何解決？

我們可以用 scheme + 主domain + host_ip + port 來實現長連接池的管理。

其實大多數的場景是無需這麼細緻的實現連接池的，但根據我們的測試的結果來看，在服務初期性能提升還是不小的。

這樣既解決了域名ip輪詢帶來的連接重置問題，也解決了多級域名下不能共用連接的問題。