V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
xiaoyu9527
V2EX  ›  问与答

如何才能提高爬取效率

  •  
  •   xiaoyu9527 · 2017-05-29 20:57:17 +08:00 · 994 次点击
    这是一个创建于 2551 天前的主题,其中的信息可能已经有所发展或是发生改变。

    最近玩 scrapy 终于掌握了 采集规则 下载图片 发布到 WORDPRESS

    但是现在感觉抓取效率十分低下。

    抓取的 CPU 总是只能跑 5%。

    带宽也跑不起来。 有没有办法查到到底是哪里导致的 delay 我看别人抓取 CPU 都是 80%左右。

    2 条回复    2017-05-31 11:04:29 +08:00
    meepo3927
        1
    meepo3927  
       2017-05-31 09:49:27 +08:00
    不懂后端,
    猜测应该是瓶颈在 I/O ? 线程开的不够多?
    xiaoyu9527
        2
    xiaoyu9527  
    OP
       2017-05-31 11:04:29 +08:00
    @meepo3927 目前实际测试感觉是两个部分 一个是 request 部门 一个 download 部门。

    但是我不知道为啥会这么慢。。

    我用 wget 下载明明感觉没啥问题
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1187 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 25ms · UTC 18:27 · PVG 02:27 · LAX 11:27 · JFK 14:27
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.