多进程下载网络 拥堵问题咨询 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
wangyongbo
V2EX    Python

多进程下载网络 拥堵问题咨询

  •  
  •   wangyongbo 2017-12-05 09:14:21 +08:00 4694 次点击
    这是一个创建于 2868 天前的主题,其中的信息可能已经有所发展或是发生改变。

    我需要下载约 10 万个小文件(每个 1M 左右。)

    写了一个脚本, 开 8 个进程,每个进程用 10 个线程下载。

    问题是: 无论如何修改进程,线程数,下载速度都没有太大变化,每秒 4 个左右。 而且本机的网络会很卡,打开网页很慢,,ping 192.168.1.1 (网关) 都要几百毫秒 。 这是为什么? 应该怎么优化? 同路由器链接的其他机器,网络不受影响。 我的机器配置: i7-3667u,256GB SSD, 8G 内存,ubuntu 14.04 64 位系统

    64 bytes from 192.168.1.1: icmp_seq=372 ttl=64 time=210 ms 64 bytes from 192.168.1.1: icmp_seq=373 ttl=64 time=136 ms 64 bytes from 192.168.1.1: icmp_seq=374 ttl=64 time=166 ms 64 bytes from 192.168.1.1: icmp_seq=375 ttl=64 time=139 ms 64 bytes from 192.168.1.1: icmp_seq=376 ttl=64 time=369 ms 64 bytes from 192.168.1.1: icmp_seq=377 ttl=64 time=537 ms 64 bytes from 192.168.1.1: icmp_seq=378 ttl=64 time=536 ms 64 bytes from 192.168.1.1: icmp_seq=379 ttl=64 time=582 ms 64 bytes from 192.168.1.1: icmp_seq=380 ttl=64 time=461 ms 64 bytes from 192.168.1.1: icmp_seq=381 ttl=64 time=363 ms 64 bytes from 192.168.1.1: icmp_seq=382 ttl=64 time=309 ms 64 bytes from 192.168.1.1: icmp_seq=383 ttl=64 time=277 ms 64 bytes from 192.168.1.1: icmp_seq=384 ttl=64 time=312 ms 64 bytes from 192.168.1.1: icmp_seq=385 ttl=64 time=268 ms 64 bytes from 192.168.1.1: icmp_seq=386 ttl=64 time=392 ms 64 bytes from 192.168.1.1: icmp_seq=387 ttl=64 time=400 ms 64 bytes from 192.168.1.1: icmp_seq=388 ttl=64 time=266 ms 64 bytes from 192.168.1.1: icmp_seq=389 ttl=64 time=551 ms 64 bytes from 192.168.1.1: icmp_seq=390 ttl=64 time=382 ms 64 bytes from 192.168.1.1: icmp_seq=391 ttl=64 time=289 ms 64 bytes from 192.168.1.1: icmp_seq=392 ttl=64 time=309 ms 64 bytes from 192.168.1.1: icmp_seq=393 ttl=64 time=445 ms 64 bytes from 192.168.1.1: icmp_seq=394 ttl=64 time=411 ms 64 bytes from 192.168.1.1: icmp_seq=395 ttl=64 time=274 ms 64 bytes from 192.168.1.1: icmp_seq=396 ttl=64 time=262 ms 64 bytes from 192.168.1.1: icmp_seq=397 ttl=64 time=282 ms 64 bytes from 192.168.1.1: icmp_seq=398 ttl=64 time=588 ms 64 bytes from 192.168.1.1: icmp_seq=399 ttl=64 time=614 ms 64 bytes from 192.168.1.1: icmp_seq=400 ttl=64 time=222 ms 64 bytes from 192.168.1.1: icmp_seq=401 ttl=64 time=238 ms 64 bytes from 192.168.1.1: icmp_seq=402 ttl=64 time=335 ms 64 bytes from 192.168.1.1: icmp_seq=403 ttl=64 time=461 ms 64 bytes from 192.168.1.1: icmp_seq=404 ttl=64 time=491 ms 
    #coding=utf8 import threading import multiprocessing import time import Queue import os import re import requests #SHARE_Q = Queue.Queue() #构造一个不限制大小的的队列 SHARE_Q = multiprocessing.Queue() #构造一个不限制大小的的队列 _WORKER_THREAD_NUM = 2 #设置线程个数 _WORKER_PROCESS_NUM = 8 class MyThread(threading.Thread) : def __init__(self, func, q) : super(MyThread, self).__init__() self.func = func self.queue = q def run(self) : self.func(self.queue) def worker(q): session = requests.Session() while not q.empty(): url, name = q.get() #获得任务 print "Processing : ", url, name with open(name, 'w') as f: f.write(session.get(url).content) def main() : global SHARE_Q for root,dirs,files in os.walk('data'): for filespath in files: url = os.path.join(root,filespath) url = os.path.abspath(url) temp = [] if url.endswith('m3u8'): path = os.path.dirname(url) new_m3u8_path = os.path.join(path, 'new_video.m3u8') cOntent= open(url).read() for x in content.split('\n'): if x.startswith('http://'): x = x.split('?')[0] _, name = os.path.split(x) save_path = os.path.join(path, name) temp.append(name) if not os.path.exists(save_path) or os.path.getsize(save_path) == 0: #print 'download', x, save_path #os.system('wget %s -O %s' % (x, save_path)) SHARE_Q.put([x, save_path]) #with open(save_path, 'w') as f: #f.write(requests.get(x).content) else: temp.append(x) with open(new_m3u8_path, 'w') as f: f.write("\n".join(temp)) #exit() processs = [] print 'Queue length', SHARE_Q.qsize() def func(q, max_thread_num): threads = [] for i in xrange(max_thread_num) : thread = MyThread(worker, q) thread.start() threads.append(thread) for thread in threads : thread.join() for i in xrange(_WORKER_PROCESS_NUM): p = multiprocessing.Process(target=func, args=(SHARE_Q, _WORKER_THREAD_NUM)) p.start() processs.append(p) while Tre: time.sleep(10) print 'Queue length', SHARE_Q.qsize() for p in processs: p.join() 
    第 1 条附言    2017-12-05 13:47:07 +08:00
    路由器是水星 mw300R ( 300M ), 笔记本通过 wifi 无线连接 路由器。
    估计下载速度也就这样了。
    13 条回复    2017-12-13 18:31:53 +08:00
    shoaly
        1
    shoaly  
       2017-12-05 09:22:14 +08:00   1
    楼主如果只是为了下载程序的话, 研究一下 aria2c, 他支持文件形式的批量导入下载链接的....你只需要给他一个 1w 文件的链接即可....多线程, 多文件同时下载占满带宽不是问题
    nine99
        2
    nine99  
       2017-12-05 09:25:25 +08:00
    带宽没跑满吗?我也差不多的情况,开 5 个线程跑就满了。
    inmyfree
        3
    inmyfree  
       2017-12-05 09:27:04 +08:00
    磁盘 io,CPU 负载,网络流量都不贴下啊
    wangyongbo
        4
    wangyongbo  
    OP
       2017-12-05 09:29:34 +08:00
    带宽没有跑满。 磁盘 io, cpu, 网络流量 都很低,
    realpg
        5
    realpg  
    PRO
       2017-12-05 10:06:42 +08:00
    在服务器上用 tar 把十万个小文件压缩成一个大文件
    下载下来
    再解压
    wysnylc
        6
    wysnlc  
       2017-12-05 10:43:09 +08:00
    BBR
    zjsxwc
        7
    zjsxwc  
       2017-12-05 10:50:09 +08:00
    我怎么觉得每秒下载速度 4M 很正常....
    wangyongbo
        8
    wangyongbo  
    OP
       2017-12-05 12:18:44 +08:00
    我是要下载 勤思考研的视频。
    每个视频都是一个 m3u8 的文件,每个视频分割成了 200 多个小文件。 需要先把这些小文件下载下来, 再用 ffmpeg 合成一个新文件。

    这些小文件一共有 10 多万。下载了约 7 个小时才下载完成。
    aru
        9
    aru  
       2017-12-05 12:24:05 +08:00
    @wangyongbo
    是不是你用的无线网络下载?
    如果你的网络带宽没问题,可能是网卡跑满了,你换成有线再试试
    sujin190
        10
    sujin190  
       2017-12-05 13:16:15 +08:00
    如果用无线网络的话,普通路由 4M 已经满带宽了
    guyskk0x0
        11
    guyskk0x0  
       2017-12-08 09:52:26 +08:00 via Android
    电脑路由器都重启一下
    linw1995
        12
    linw1995  
       2017-12-08 10:04:59 +08:00
    可以试下用协程,用 asyncio 和 aiohttp 试一下。我用这两个库写过下载 m3u8 的视频的脚本,下载速度很快。
    120
        13
    120  
       2017-12-13 18:31:53 +08:00
    路由器是水星 mw300R ( 300M ), 笔记本通过 wifi 无线连接 路由器。
    能换个好点的路由器吗?
    能换个支持 QoS 的路由器吗。
    能用有线连接吗?
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2713 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 26ms UTC 07:45 PVG 15:45 LAX 00:45 JFK 03:45
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86