高性能相关----爬虫

2. 高性能相关 
   
   基本原理：
      IO多路复用：select，用于检测socket对象是否发生变化(是否连接成功，是否有数据到来)
         Socket：socket客户端
      
      import socket
      import select

      class Request(object):
         def __init__(self,sock,func,url):
            self.sock = sock
            self.func = func
            self.url = url

         def fileno(self):
            return self.sock.fileno()

      def async_request(url_list):

         input_list = []
         conn_list = []

         for url in url_list:
            client = socket.socket()
            client.setblocking(False)
            # 创建连接,不阻塞
            try:
               client.connect((url[0],80,)) # 100个向百度发送的请求
            except BlockingIOError as e:
               pass

            obj = Request(client,url[1],url[0])

            input_list.append(obj)
            conn_list.append(obj)

         while True:
            # 监听socket是否已经发生变化 [request_obj,request_obj....request_obj]
            # 如果有请求连接成功：wlist = [request_obj,request_obj]
            # 如果有响应的数据：  rlist = [request_obj,request_obj....client100]
            rlist,wlist,elist = select.select(input_list,conn_list,[],0.05)
            for request_obj in wlist:
               # print('连接成功')
               # # # # 发送Http请求
               # print('发送请求')
               request_obj.sock.sendall("GET / HTTP/1.0\r\nhost:{0}\r\n\r\n".format(request_obj.url).encode('utf-8'))
               conn_list.remove(request_obj)

            for request_obj in rlist:
               data = request_obj.sock.recv(8096)
               request_obj.func(data)
               request_obj.sock.close()
               input_list.remove(request_obj)

            if not input_list:
               break

   使用一个线程完成并发操作，如何并发？
   当第一个任务到来时，先发送连接请求，此时会发生IO等待，但是我不等待，我继续发送第二个任务的连接请求....
   
   IO多路复用监听socket变化
   先连接成功：
      发送请求信息： GET / http/1.0\r\nhost....
      遇到IO等待，不等待，继续检测是否有人连接成功：
      发送请求信息： GET / http/1.0\r\nhost....
      遇到IO等待，不等待，继续检测是否有人连接成功：
      发送请求信息： GET / http/1.0\r\nhost....
      
   有结果返回：
      读取返回内容，执行回调函数
      读取返回内容，执行回调函数
      读取返回内容，执行回调函数
      读取返回内容，执行回调函数
      读取返回内容，执行回调函数
      读取返回内容，执行回调函数
      读取返回内容，执行回调函数
      
   
   
   问题：什么是协程？
        单纯的执行一端代码后，调到另外一端代码执行，再继续跳...
        
   异步IO：
       - 【基于协程】可以用 协程+非阻塞socket+select实现，gevent
       - 【基于事件循环】完全通用socket+select实现,Twsited
   
   1. 如何提高爬虫并发？
      利用异步IO模块，如：asyncio,twisted,gevent 
      本质：
         - 【基于协程】可以用 协程+非阻塞socket+select实现，gevent
         - 【基于事件循环】完全通用socket+select实现,Twsited，tornado
         
   2. 异步非阻塞
        异步：回调   select 
      非阻塞：不等待 setblocking(False)
         
   3. 什么是协程？
      pip3 install gevent 
   
      from greenlet import greenlet

      def test1():
         print(12)
         gr2.switch()
         print(34)
         gr2.switch()
       
       
      def test2():
         print(56)
         gr1.switch()
         print(78)
       
      gr1 = greenlet(test1)
      gr2 = greenlet(test2)
      gr1.switch()