背景：同时开了几千个线程，运行到 300 多个线程的时间报错了， socket.setdefaulttimeout(45) sleep_download_time = 1 time.sleep(sleep_download_time) 超时和延时都有加上
1、ConnectionResetError: [WinError 10054] 远程主机强迫关闭了一个现有的连接。 这个我认为是被服务器拒绝了，被发是爬虫了？
2、socket.timeout: timed out 这个我已经设置了超时的时间，还是报错了
 |
1
wjx1993 OP 求大佬们帮忙看看，跪求😂
|
 |
2
ai277014717 Apr 24, 2018
为什么要开着么多线程？是没试过最多可以开多少个线程？
|
 |
3
Hyponet Apr 24, 2018
几千个线程去爬，可能不是发现是爬虫了，是发现被 D 了。。。。
|
|
5
wjx1993 OP @ai277014717 多线程效率高啊！怎么解决这个问题・_・?一个线程跑正常
|
 |
6
goofool Apr 24, 2018
每个线程一个代理吗？
|
 |
10
onepunch Apr 24, 2018
你把 sleep 设置的时间长一点
|
 |
12
darylc Apr 24, 2018
线程多就一定快？想多了
|
|
13
ai277014717 Apr 24, 2018
@wjx1993 多线程效率不一定高。nodejs 还是单线程呢。看看磁盘内存 CPU 有没有瓶颈吧。还要考虑到网站服务器的承受能力，有的服务器可能还没个人 pc 的配置高呢。
|
 |
14
ericls Apr 24, 2018 via iPhone
爬虫的精髓在于怎么慢 而不是怎么快
|
 |
15
changnet Apr 24, 2018 via Android
我一直不理解开很多线程的代码逻辑，尤其有些库在测试性能时还开了几百个，难不成大家的 cpu 都是几百上千核的，或者是逻辑都是阻塞写法。开了那么多线程，我的其他逻辑还要不要跑了，三五个线程差不多了。
|
 |
17
linyinma Apr 24, 2018
@wjx1993
从你的描述很显然啊，远程服务器设置了瞬时并发数啊（如 nginx 添加 nginx_http_limit_conn_module ）来限制同一个 ip 来源的连接数，防止恶意攻击访问） |
 |
21
WordTian Apr 24, 2018 via Android
你一个 ip 整上千个并发连接，你不被拦谁被拦
|
|
23
WordTian Apr 24, 2018 via Android
用 squid 吧
|
 |
25
defphilip Apr 24, 2018
开几千个线程的爬虫。。。。系统吃的消吗
真的想用多线程，开个线程池几个线程并发跑就好了 |
|
26
wjx1993 OP @defphilip 还好吧，只是跑到 300 多就被服务器拒绝了，线程池总是有点问题，调了好长时间，话说线程池就不会报错被服务器拒绝了吗？
|
|
28
wjx1993 OP 沉了吗
|
|
29
ai277014717 Apr 25, 2018
@wjx1993 参考前面说的你想办法爬慢点就能解决了。并发控制到 300 以下试试。
线程池我觉的可有可无，主要是写了可以减少开销。 |
|
30
wjx1993 OP @ai277014717 不能爬太慢，需求就是要同时并发好几千，所以暂时只想到用线程池，但是自己写的线程池总是有问题，跑不起来所以请教一下线程池的写法，最好有个例子最好了，多谢啦！
|
 |
31
hcnhcn012 Apr 25, 2018 via iPhone
concurrent.futures.ThreadPoolExecutor 了解一下
|
Select Language