如何在Python中配置多线程爬虫以平衡CPU负载与IO等待?

阿强酱_9862

阿强酱_9862

2026-08-20

372人浏览

原创

python多线程无法跑满cpu核心因gil限制,但适合io密集型任务;线程数应依响应时间反推并用threadpoolexecutor管控,并注意反爬、超时、连接复用等细节。

如何在python中配置多线程爬虫以平衡cpu负载与io等待?

为什么不能直接用 threading.Thread 跑满 CPU 核心

Python 的 threading 模块受 GIL 限制,CPU 密集型任务无法并行,但 IO 密集型(如 HTTP 请求)恰恰适合多线程——因为阻塞时会释放 GIL。问题在于:线程数设多少?设太多反而拖慢,系统要调度、内存要开销、目标网站可能封 IP 或限流。

实操建议:

  • 线程数通常设为 min(32, os.cpu_count() * 4) 是个安全起点,但更靠谱的是按目标接口的平均响应时间反推:比如单请求平均耗时 500ms,1 秒内最多发 2 个并发,那么 10 个线程基本够用
  • 务必加 time.sleep() 或使用 concurrent.futures.ThreadPoolExecutor(max_workers=N) 控制并发上限,避免瞬间打爆连接池或触发风控
  • 不要在每个线程里单独初始化 requests.Session(),复用 session 可复用连接池,减少 TLS 握手开销

如何用 ThreadPoolExecutor 管理请求生命周期

ThreadPoolExecutor 比裸写 threading.Thread 更可控,它自动管理线程创建、复用和回收,还能统一捕获异常、设置超时。

常见错误现象:urllib3.exceptions.MaxRetryErrorrequests.exceptions.ConnectionError 频发,往往不是网络问题,而是没设 timeout 或连接池满。

实操建议:

  • 初始化 executor 时明确指定 max_workers,别依赖默认值(CPython 默认是 min(32, (os.cpu_count() or 1) + 4),对爬虫常偏大)
  • 每个 submit() 任务里必须包裹 try/except,否则异常会被吞掉,线程静默退出
  • session.get(url, timeout=(3, 7)):第一个数字是 connect timeout,第二个是 read timeout,避免卡死

怎么让多线程不被反爬机制误杀

线程本身不会暴露“你在用多线程”,但并发请求的节奏、Header、Cookie、TLS 指纹高度一致时,服务端很容易识别为机器人。

python全能编程助手
python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能,主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ,专为学生、算法学习者和开发者设计;✅ 一个技能,两种用途 :;核心要点📝 题解模式 :输入题目/题号,自动生成完整 Python 题解(含详细注释、解题思路、复杂度分析);💬 注释模式 :输入 Python 代码,自动添加详细中。它将相关步骤、

下载

实操建议:

  • 给每个线程配独立的 requests.Session(),并随机化 User-AgentAccept-Language,别全局共用一个 header 字典
  • submit() 前加小范围 jitter:例如 time.sleep(random.uniform(0.1, 0.5)),打散请求时间戳
  • 避免所有线程同时启动——用 executor.submit() 逐个提交,而不是先全 create 再 start;必要时用 queue.Queue 做节流缓冲

什么时候该换 asyncio 而不是硬加线程

当单机并发量上到几百、且大部分请求延迟低(threading 的上下文切换开销开始明显,此时 asyncio + aiohttp 效率更高。

但别为了“时髦”切换:async 代码调试难、第三方库支持不一、DNS 解析默认阻塞、SSL 握手仍可能卡住主线程。

判断信号:

  • psutil.Process().cpu_percent() 监控发现 Python 进程 CPU 占用长期低于 20%,但吞吐上不去 → IO 等待瓶颈,线程已够,问题在目标响应慢或本地 DNS/SSL
  • 线程数 > 64 后 QPS 不再上升甚至下降 → 调度开销压倒收益,该考虑异步或分布式了

真正麻烦的从来不是开多少线程,而是每个请求是否带了合适的重试策略、是否隔离了 cookie 和 referer、以及你有没有看清楚对方 robots.txt 和 rate limit 文档里写的每分钟请求数——这些细节比 max_workers 多设两个更影响稳定性。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1531

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

3584

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1549

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

20397

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

2527

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

2587

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1063

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

576

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

2003

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程