socket 多线程运行报错，大佬们帮帮看下

[wjx1993]

背景：同时开了几千个线程，运行到 300 多个线程的时间报错了， socket.setdefaulttimeout(45) sleep_download_time = 1 time.sleep(sleep_download_time) 超时和延时都有加上

1、ConnectionResetError: [WinError 10054] 远程主机强迫关闭了一个现有的连接。 这个我认为是被服务器拒绝了，被发是爬虫了？

2、socket.timeout: timed out 这个我已经设置了超时的时间，还是报错了

[wjx1993]

求大佬们帮忙看看，跪求😂

[ai277014717]

为什么要开着么多线程？是没试过最多可以开多少个线程？

[HypoChen]

几千个线程去爬，可能不是发现是爬虫了，是发现被 D 了。。。。

[wjx1993]

@HypoChen 怎么解决这个问题

[wjx1993]

@ai277014717 多线程效率高啊！怎么解决这个问题・_・?一个线程跑正常

[goofool]

每个线程一个代理吗？

[wjx1993]

@goofool 没有用代理，这个还要代理？

[A555]

@wjx1993 你这样去请求别人 把你 ip 封了

[wjx1993]

@A555 应该不是封 ip，我重新运行后还是可以跑的，每次重新跑都是大概跑到 300 多线程就保存了

[onepunch]

你把 sleep 设置的时间长一点

[wjx1993]

@onepunch 时间设置太久就没意义了，要跑的内容太多了，好几千个线程要等到什么时候？

[susecjh]

线程多就一定快？想多了

[ai277014717]

@wjx1993 多线程效率不一定高。nodejs 还是单线程呢。看看磁盘内存 CPU 有没有瓶颈吧。还要考虑到网站服务器的承受能力，有的服务器可能还没个人 pc 的配置高呢。

[ericls]

爬虫的精髓在于怎么慢 而不是怎么快

[changnet]

我一直不理解开很多线程的代码逻辑，尤其有些库在测试性能时还开了几百个，难不成大家的 cpu 都是几百上千核的，或者是逻辑都是阻塞写法。开了那么多线程，我的其他逻辑还要不要跑了，三五个线程差不多了。

[wjx1993]

@changnet 一般上限是 3 万多，但是这个是可以设置的，这个要看你怎么写了

[linyinma]

@wjx1993
从你的描述很显然啊，远程服务器设置了瞬时并发数啊（如 nginx 添加 nginx_http_limit_conn_module ）来限制同一个 ip 来源的连接数，防止恶意攻击访问）

[wjx1993]

@susecjh 不是说一定快，我是说要爬的内容必须要同时运行，所以才用了多线程

[wjx1993]

@ericls 太慢的话，还没爬完，数据就没了😂

[wjx1993]

@linyinma 是不是只有用 ip 代理才可以解决？ 那我要怎么设置切换 ip ？

[WordTian]

你一个 ip 整上千个并发连接，你不被拦谁被拦

[wjx1993]

@WordTian socket 应该怎么切换代理

[WordTian]

用 squid 吧

[WordTian]

@WordTian 噢，刚发现 squid 主要是 HTTP 代理，socket 的我还真不知道

[defphilip]

开几千个线程的爬虫。。。。系统吃的消吗
真的想用多线程，开个线程池几个线程并发跑就好了

[wjx1993]

@defphilip 还好吧，只是跑到 300 多就被服务器拒绝了，线程池总是有点问题，调了好长时间，话说线程池就不会报错被服务器拒绝了吗？

[wjx1993]

@defphilip 线程池要怎么写？大佬有例子介绍一下吗？😂

[wjx1993]

沉了吗

[ai277014717]

@wjx1993 参考前面说的你想办法爬慢点就能解决了。并发控制到 300 以下试试。
线程池我觉的可有可无，主要是写了可以减少开销。

[wjx1993]

@ai277014717 不能爬太慢，需求就是要同时并发好几千，所以暂时只想到用线程池，但是自己写的线程池总是有问题，跑不起来所以请教一下线程池的写法，最好有个例子最好了，多谢啦！

[hcnhcn012]

concurrent.futures.ThreadPoolExecutor 了解一下

[wjx1993]

@hcnhcn012 好的，多谢！不过我又分析了一下自己的需求，发现目前用不了多进程，只能多线程了，不过会被服务器拒绝，请问有比较好的 socket 代理吗？