使其成为多线程后程序显着变慢?

时间:2013-07-24 02:29:58

标签: python urllib2 python-multithreading

当我问这个问题时,如果我看起来像个菜鸟,那是因为这是我第一次尝试多线程。遗憾。

看到多线程是为了让这个过程更快,我试图弄清楚我在哪里出错了。我注意到的第一件事是“主线程”线程比应该的速度慢得多(它是唯一不使用代理的线程)。

在进程多线程之前,它会在一个进程/线程中在一分钟内下载大约10-15个图像。但现在,“多线程”(这是唯一一个不通过代理发送HTTP请求的人)实际上从未显示过(正如您所见:http://puu.sh/3KfwY.png)。它应该是最快的线程!

我希望我能清楚地解释我的问题。 :S

P.S:在节目开始时,它会在15秒内下载约20张图片;然而,在初次启动之后,程序急剧减速。关于这是为什么的任何想法?

#!/usr/bin/env python
import sys
import string
import os.path
import urllib.request
import threading
from time import gmtime, strftime, sleep
from random import choice

#list of our proxies
proxies = []

downloads = 1

#the number of files we want to download
target = int(sys.argv[1])

#argument 2 - proxies
try:
    sys.argv[2]
except:
    print('')
else:
    param = sys.argv[2]

    if param.find('.txt') != -1:
        print('Loading specified proxy list ('+ param +').')

        f = open(param, 'r+')
        print('Opening '+ f.name)
        proxylist = f.read()
        f.close()

        #split retrieved list by new line
        proxies = proxylist.split('\n')
    else:
        print('Single proxy specified.')
        proxies.append(param)


class thread(threading.Thread):
    def __init__(self, ID, name, proxy):
        threading.Thread.__init__(self)
        self.id = ID
        self.name = name
        self.downloads = 0
        self.proxy = proxy
        self.running = True
        self.fails = 0
    def run(self):
        global downloads

        if self.proxy != False:
            #id is always above one, so make the ID -1
            self.proxy = proxies[(self.id-1)]

            print(self.name +' initiating with proxy: '+self.proxy)

            #make our requests go through proxy
            self.p_handler = urllib.request.ProxyHandler({'http' : self.proxy})
            self.opener = urllib.request.build_opener(self.p_handler)
            urllib.request.install_opener(self.opener)
        else:
            print(self.name +' initiating without a proxy.')

        while downloads <= target and self.running:
            rstr = ''.join(choice(string.ascii_letters + string.digits) for x in range(5))

            url = 'http://puu.sh/'+rstr
            filename = 'downloaded/'+ strftime('%Y %m %d %H-%M-%S', gmtime()) +'.png';

            try:
                urllib.request.urlretrieve(url, filename)
            except urllib.request.HTTPError:
                pass
            except IOError:
                if self.fails > 10:
                    print(self.name +': Proxy is not working. Stopping thread.')
                    self.running = False

                self.fails += 1
            except:
                pass
            else:
                print(self.name +': downloading '+ filename+'...' + str(downloads))

                #if self.downloads % 10 == 0:
                #    print(self.name +': Sleeping a bit.')
                #    sleep(60)

                downloads += 1
                self.downloads += 1
                sleep(5)

#lets create the "downloaded" folder if it does not exist
if not os.path.isdir('downloaded'):
    try:
        os.mkdir('downloaded')
    except:
        pass

#thread count
thread_count = 1

#create threads, and initiate them
try:
    thread(0, 'main-thread', False).start()

    for x in proxies:
        thread(thread_count, 'Thread-'+str(thread_count), proxies[(thread_count-1)]).start()
        thread_count += 1
except:
    print('Couldn\'t start threads.')

1 个答案:

答案 0 :(得分:0)

我不知道实际问题是什么,但我注意到的一件事是你使用urllib.request.install_opener。这设置了默认的全局开启者,因此每个线程都会看到更改。这可能是第一次通过,大多数线程使用它们被分配的代理,但之后,所有请求都转到同一个代理,并且您受到代理或其他东西的限制。

sleep(5)看起来很奇怪。这很容易成为你的问题。

您正在使用没有锁定的共享全局变量。它可能不会在大多数时候咬你,但你最终可能会遇到奇怪的失败,除非你正确地同步从不同线程同时访问可变状态。