基於asyncio非同步協程框架實現收集B站直播彈幕詳細介紹

本文分享給大家的是基於asyncio 非同步協程框架實現收集B站直播彈幕收集系統的簡單設計，並附上源碼，有需要的小伙伴可以參考下

">

前言

雖然標題是全站，但目前只做了等級top 100 直播間的全天彈幕收集。

彈幕收集系統基於先前的B 站直播彈幕姬 Python 版修改而來。具體協議分析可以看上一篇文章。

直播彈幕協議是直接基於 TCP 協議，所以如果 B 站對類似我這種行為做反制措施，比較困難。應該有我不知道的技術手段來偵測類似我這種惡意行為。

我試過同時連接 100 個房間，和連接單一房間 100 次的實驗，都沒有問題。 >150 會被關閉連結。

直播間的選取

現在彈幕收集系統在選取直播間比較簡單，直接選取了等級 top100。

以後會修改這部分，改成定時去 http://live.bilibili.com/all 查看新開播的直播間，並動態新增任務。

非同步任務和彈幕儲存

收集系統仍舊使用了 asyncio 非同步協程框架，對於每個直播間都使用以下方法來加進 loop 中。

danmuji = bilibiliClient(url, self.lock, self.commentq, self.numq)
task1 = asyncio.ensure_future(danmuji.connectServer())
task2 = asyncio.ensure_future(danmuji.HeartbeatLoop())

其實若將心跳任務 HeartbeatLoop 放入 connectorServer 中去啟動，程式碼看起來更優雅一些。但這麼做是因為我需要維護一個任務列表，後面會有描述。

在彈幕儲存上我花了些時間選擇。

資料庫儲存是一個同步 IO 的過程，Insert 的時候會阻塞彈幕收集的任務。雖然有 aiomysql 這種非同步介面，但設定資料庫太麻煩，我的設想是這個小系統能夠方便地部署。

最終我選擇使用自備的 sqlite3。但 sqlite3 無法做並行操作，故開了一個執行緒單獨進行資料庫儲存。在另一個線程中，100 * 2 個任務蒐集所有的彈幕、人數信息，並塞進隊列 commentq, numq 中。儲存執行緒每隔 10s 喚醒一次，將佇列中的資料寫進 sqlite3 中，並清空佇列。

在多執行緒和非同步的配合下，網路流量沒有被阻塞。

可能的連線失敗場景處理

彈幕協定是直接基於TCP，位元與位元直接關聯性較強，一旦解析錯誤，很容易就拋Exception （個人感覺，雖然TCP 是可靠傳輸，但B站伺服器本身發生錯誤也是有可能的）。所以有必要設計一個自動重連機制。

在asyncio 文件中提到，

Done means either that a result / exception are available, or that the future was cancelled.

#函數
正常回傳、

拋出例外

或是被cancel，都會退出目前任務。可以用 done() 來判斷。 每一個直播間對應兩個任務，解析任務是最容易掛的，但並不會影響心跳任務，所以必須找出並將對應心跳任務結束。

在建立任務的時候使用字典記錄每個房間的兩個任務，

self.tasks[url] = [task1, task2]

在運行過程中，每隔10s 做一次檢查，

for url in self.tasks:
  item = self.tasks[url]
  task1 = item[0]
  task2 = item[1]
  if task1.done() == True or task2.done() == True:
    if task1.done() == False:
      task1.cancel()
    if task2.done() == False:
      task2.cancel()
    danmuji = bilibiliClient(url, self.lock, self.commentq, self.numq)
    task11 = asyncio.ensure_future(danmuji.connectServer())
    task22 = asyncio.ensure_future(danmuji.HeartbeatLoop())
    self.tasks[url] = [task11, task22]

實際上我只見過一次任務失敗的場景，是因為主播房間被封了，導致無法進入直播間。

1. 結論

2. B站人數是依照連接彈幕伺服器的連結數量統計的。透過操縱連結量，可以瞬間增加任意人數觀看，有商機？ ############在運行的這幾天中，發現即使大部分房間不在直播，也能有 >5 的人數，包括凌晨。我只能猜測也有和我一樣的人在 24h 收集彈幕。 ###

3. top100 平均一天 40M 彈幕數據。

4. 收集的彈幕能做什麼？還沒想好，可能可以拿來做使用者行為分析 -_^

#

以上是基於asyncio非同步協程框架實現收集B站直播彈幕詳細介紹的詳細內容。更多資訊請關注PHP中文網其他相關文章！