vlambda博客
学习文章列表

Go语言实现 并发爬虫 也是杠杆的

最近在学习Golang,所以将学习过程记为笔记,以后翻阅的时候也方便,顺便也给大家做一点分享,希望能坚持下去。



学习与交流:


现在就开始你的Go语言学习之旅吧!人生苦短,let’s Go.



Go语言实现 并发爬虫 也是杠杆的

Go语言实现 并发爬虫 也是杠杆的

在很多生产环境中,我们都是用python爬虫的。python实现多线程也是很简单的。而这次我们可以试试新玩法,试试go语言的并发爬虫。

主要是爬取第一页的商品,爬取十次,比较单线程和多线程的时间。

  1. 单线程爬虫
    定义一个用户

var Client http.Client

主函数

func main() {
    url := "http://localhost:3000/api/v1/products"
    start := time.Now()
    for i := 0; i < 10; i++ {
        Spider(url, i)
    }
    elapsed := time.Since(start)
    fmt.Printf("Time %s", elapsed)
}

爬取函数

func Spider(url string, i int) {
    reqSpider, err := http.NewRequest("GET", url, nil)
    if err != nil {
        log.Fatal(err)
    }
    reqSpider.Header.Set("content-length""0")
    reqSpider.Header.Set("accept""*/*")
    reqSpider.Header.Set("x-requested-with""XMLHttpRequest")
    respSpider, err := Client.Do(reqSpider)
    if err != nil {
        log.Fatal(err)
    }
    bodyText, _ := ioutil.ReadAll(respSpider.Body)
    var result Result
    _ = json.Unmarshal(bodyText, &result)
    fmt.Println(i,result.Data)
}

运行时间为:651.8207ms

2. 多线程爬虫
2.1 channel main函数
我们构造一个无缓冲的通道,来阻塞主进程,等待子进程的执行。

func main() {
    url := "http://localhost:3000/api/v1/products"
    ch := make(chan bool)
    start := time.Now()
    for i := 0; i < 10; i++ {
        go Spider(url, ch, i)
    }
    for i := 0; i < 10; i++ {
        <-ch
    }
    elapsed := time.Since(start)
    fmt.Printf("Time %s", elapsed)
}

最后记得在爬虫的结束的时候,把值写入到通道中,不然会一直阻塞主进程
在这里插入图片描述

运行时间:187.7921ms 比之前快了非常多。

2.2 sync.WaitGroup
定义一个进程组并加10个进程

var wg sync.WaitGroup
wg.Add(10)

开辟十个goruntime

for i := 0; i < 10; i++ {
    go func(i int) {
        defer wg.Done()
        SpiderWaitGroup(url,i)
    }(i)
}

阻塞主进程

wg.Wait()

结果:64.5246ms

NormalStart(url) // 单线程爬虫
ChannelStart(url) // Channel多线程爬虫
WaitGroupStart(url) // Wait 多线程爬虫

其实多线程的两种都差不多的,只是有时候会因为机器的原因而导致一些误差。



文章链接:https://github.com/CocaineCong/Go-Spider-Demo