我正在实现一个Python脚本,需要在不到5秒的时间内并行发送1500多个数据包。
简单地说,我需要的是:
def send_pkts(ip):
#craft packet
while True:
#send packet
time.sleep(randint(0,3))
for x in list[:1500]:
send_pkts(x)
time.sleep(randint(1,5))
我已经尝试了简单的单线程,多线程,多处理和多处理+多线程形式,并有以下问题:
- 简单的单线程:"for delay"似乎损害了"5秒"的依赖关系。
- 多线程:我认为由于Python GIL的限制,我无法完成我想要的。
- 多处理:这似乎是最有效的方法。然而,由于进程数量过多,我运行脚本的虚拟机冻结了(当然,1500个进程正在运行)。因此变得不切实际。
- 多处理+多线程:在这种方法中,我创建了更少的进程,每个进程调用一些线程(假设:10个进程每个调用150个线程)。很明显,VM不会像方法3那样冻结得那么快,但是我能达到的最大"并发数据包发送"是~800。吉尔的限制?VM的限制?在这个尝试中,我也尝试使用进程池,但结果相似。
有更好的方法来完成这个任务吗?
[1]编辑1:
def send_pkt(x):
#craft pkt
while True:
#send pkt
gevent.sleep(0)
gevent.joinall([gevent.spawn(send_pkt, x) for x in list[:1500]])
[2] EDIT 2 (gevent monkey- patchching):
from gevent import monkey; monkey.patch_all()
jobs = [gevent.spawn(send_pkt, x) for x in list[:1500]]
gevent.wait(jobs)
#for send_pkt(x) check [1]
然而,我得到了以下错误:"ValueError: filedescriptor out of range in select()"。所以我检查了我的系统极限(软和硬都是最大:65536)。之后,我检查了它与Linux上的select()限制(最大1024 fds)有关。请查看:http://man7.org/linux/man-pages/man2/select.2.html (bug部分)-为了克服这个问题,我应该使用poll() (http://man7.org/linux/man-pages/man2/poll.2.html)。但是对于poll(),我又回到了同样的限制:因为轮询是一种"阻塞方法"。
Regards
在Python中使用并行性时,一个好的方法是使用ThreadPoolExecutor或ProcessPoolExecutor fromhttps://docs.python.org/3/library/concurrent.futures.html#module-concurrent.futures根据我的经验,这些方法很有效。
一个threaddpoolexecutor的示例,可以根据您的使用进行调整。
import concurrent.futures
import urllib.request
import time
IPs= ['168.212. 226.204',
'168.212. 226.204',
'168.212. 226.204',
'168.212. 226.204',
'168.212. 226.204']
def send_pkt(x):
status = 'Failed'
while True:
#send pkt
time.sleep(10)
status = 'Successful'
break
return status
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
future_to_ip = {executor.submit(send_pkt, ip): ip for ip in IPs}
for future in concurrent.futures.as_completed(future_to_ip):
ip = future_to_ip[future]
try:
data = future.result()
except Exception as exc:
print('%r generated an exception: %s' % (ip, exc))
else:
print('%r send %s' % (url, data))
选项3的结果:"由于进程数量过多,我正在运行脚本的VM冻结(当然,正在运行1500个进程)"可能需要进一步调查。我认为,从目前收集到的信息来看,可能还不能确定这是多处理方法的缺点,还是VM的限制。
一个相当简单和直接的方法是运行一个缩放实验:不是让所有的发送都来自单个进程,也不是所有的发送都来自相同的进程,而是尝试中间值。计算在两个进程之间将工作负载分成两半所花费的时间,或者4、8等等。
在这样做的同时,在Windows上运行xperf
或Linux上运行oprofile
这样的工具也可能是一个好主意,以记录这些不同的并行性选择是否会导致不同类型的瓶颈,例如CPU缓存的冲击,运行虚拟机内存不足,或者谁知道其他什么。最简单的方法就是试一试。
根据以前处理这类问题的经验和一般经验法则,我认为当多处理进程的数量小于或等于可用CPU内核的数量时(无论是在VM本身还是在虚拟机管理程序上),性能会达到最佳。然而,这是假设问题是CPU限制;如果在数据包发送过程中出现阻塞,那么在超过#cpu进程的情况下,性能可能仍然会更高,如果与其他阻塞操作交错,则可以更好地利用cpu时间。不过,在一些分析和/或缩放实验完成之前,我们也不知道。
你是正确的,python是单线程的,但是你想要的任务(发送网络数据包)被认为是io绑定的操作,因此是多线程的一个很好的候选者。你的主线程在传输数据包时并不繁忙,只要你在编写代码时考虑到异步。
查看异步tcp网络的python文档- https://docs.python.org/3/library/asyncio-protocol.html#tcp-echo-client.
如果瓶颈是基于http的("发送数据包"),那么GIL实际上应该不是太大的问题。
如果python内部也在进行计算,那么GIL可能会碍事,就像你说的,基于进程的并行性更可取。
每个任务不需要一个进程!这似乎是你思想上的疏忽。使用python的Pool
类,您可以轻松地创建一组工作人员,这些工作人员将从队列中接收任务。
import multiprocessing
def send_pkts(ip):
...
number_of_workers = 8
with multiprocessing.Pool(number_of_workers) as pool:
pool.map(send_pkts, list[:1500])
您现在正在运行number_of_workers + 1
进程(工作进程+原始进程),并且N个工作进程并发地运行send_pkts
函数。
阻碍您实现理想性能的主要问题是send_pkts()
方法。它不仅发送数据包,还制作数据包:
def send_pkts(ip):
#craft packet
while True:
#send packet
time.sleep(randint(0,3))
虽然发送数据包几乎肯定是一个I/O绑定任务,但制作数据包几乎肯定是一个CPU绑定任务。这个方法需要分成两个任务:
- 生成数据包
- 发送数据包
我已经写了一个基本的套接字服务器和一个客户端应用程序,制作和发送数据包到服务器。这个想法是有一个单独的进程来制作数据包并将它们放入队列中。有一个线程池与包制作进程共享队列。这些线程将数据包从队列中取出并发送给服务器。它们还将服务器的响应粘贴到另一个共享队列中,但这只是为了我自己的测试,与您要做的事情无关。当线程从队列中获得None
(毒丸)时退出。
server.py:
import argparse
import socketserver
import time
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("--host", type=str, help="bind to host")
parser.add_argument("--port", type=int, help="bind to port")
parser.add_argument("--packet-size", type=int, help="size of packets")
args = parser.parse_args()
HOST, PORT = args.host, args.port
class MyTCPHandler(socketserver.BaseRequestHandler):
def handle(self):
time.sleep(1.5)
data = self.request.recv(args.packet_size)
self.request.sendall(data.upper())
with socketserver.ThreadingTCPServer((HOST, PORT), MyTCPHandler) as server:
server.serve_forever()
client.py:
import argparse
import logging
import multiprocessing as mp
import os
import queue as q
import socket
import time
from threading import Thread
def get_logger():
logger = logging.getLogger("threading_example")
logger.setLevel(logging.INFO)
fh = logging.FileHandler("client.log")
fmt = '%(asctime)s - %(threadName)s - %(levelname)s - %(message)s'
formatter = logging.Formatter(fmt)
fh.setFormatter(formatter)
logger.addHandler(fh)
return logger
class PacketMaker(mp.Process):
def __init__(self, result_queue, max_packets, packet_size, num_poison_pills, logger):
mp.Process.__init__(self)
self.result_queue = result_queue
self.max_packets = max_packets
self.packet_size = packet_size
self.num_poison_pills = num_poison_pills
self.num_packets_made = 0
self.logger = logger
def run(self):
while True:
if self.num_packets_made >= self.max_packets:
for _ in range(self.num_poison_pills):
self.result_queue.put(None, timeout=1)
self.logger.debug('PacketMaker exiting')
return
self.result_queue.put(os.urandom(self.packet_size), timeout=1)
self.num_packets_made += 1
class PacketSender(Thread):
def __init__(self, task_queue, result_queue, addr, packet_size, logger):
Thread.__init__(self)
self.task_queue = task_queue
self.result_queue = result_queue
self.server_addr = addr
self.packet_size = packet_size
self.sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
self.sock.connect(addr)
self.logger = logger
def run(self):
while True:
packet = self.task_queue.get(timeout=1)
if packet is None:
self.logger.debug("PacketSender exiting")
return
try:
self.sock.sendall(packet)
response = self.sock.recv(self.packet_size)
except socket.error:
self.sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
self.sock.connect(self.server_addr)
self.sock.sendall(packet)
response = self.sock.recv(self.packet_size)
self.result_queue.put(response)
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('--num-packets', type=int, help='number of packets to send')
parser.add_argument('--packet-size', type=int, help='packet size in bytes')
parser.add_argument('--num-threads', type=int, help='number of threads sending packets')
parser.add_argument('--host', type=str, help='name of host packets will be sent to')
parser.add_argument('--port', type=int, help='port number of host packets will be sent to')
args = parser.parse_args()
logger = get_logger()
logger.info(f"starting script with args {args}")
packets_to_send = mp.Queue(args.num_packets + args.num_threads)
packets_received = q.Queue(args.num_packets)
producers = [PacketMaker(packets_to_send, args.num_packets, args.packet_size, args.num_threads, logger)]
senders = [PacketSender(packets_to_send, packets_received, (args.host, args.port), args.packet_size, logger)
for _ in range(args.num_threads)]
start_time = time.time()
logger.info("starting workers")
for worker in senders + producers:
worker.start()
for worker in senders:
worker.join()
logger.info("workers finished")
end_time = time.time()
print(f"{packets_received.qsize()} packets received in {end_time - start_time} seconds")
run.sh:
#!/usr/bin/env bash
for i in "$@"
do
case $i in
-s=*|--packet-size=*)
packet_size="${i#*=}"
shift
;;
-n=*|--num-packets=*)
num_packets="${i#*=}"
shift
;;
-t=*|--num-threads=*)
num_threads="${i#*=}"
shift
;;
-h=*|--host=*)
host="${i#*=}"
shift
;;
-p=*|--port=*)
port="${i#*=}"
shift
;;
*)
;;
esac
done
python3 server.py --host="${host}"
--port="${port}"
--packet-size="${packet_size}" &
server_pid=$!
python3 client.py --packet-size="${packet_size}"
--num-packets="${num_packets}"
--num-threads="${num_threads}"
--host="${host}"
--port="${port}"
kill "${server_pid}"
。美元/run.sh - s = 1024 - n = 1500 - t = 300 - h = localhost - p = 9999
1500个包在4.70330023765564秒内收到
。美元/run.sh - s = 1024 - n = 1500 - t = 1500 - h = localhost - p = 9999
1500个包在1.5025699138641357秒内收到
可以通过将client.py中的日志级别更改为DEBUG
来验证该结果。注意,脚本的完成时间确实比4.7秒长得多。当使用300个线程时,需要大量的拆卸,但是日志清楚地表明,线程在4.7秒内完成处理。
对所有性能结果持保留态度。我不知道你用的是什么系统。我将提供我的相关系统统计:2 Xeon X5550 @2.67GHz24MB DDR3 @1333MHzDebian 10Python 3.7.3
我会解决你尝试的问题:
- 简单的单线程:由于
randint(0, 3)
延迟,这几乎保证至少需要1.5 x num_packets秒 - 多线程:GIL可能是这里的瓶颈,但这可能是因为
craft packet
部分而不是send packet
- Multiprocessing:每个进程至少需要一个文件描述符,所以您可能超出了用户或系统限制,但如果您更改适当的设置,这可以工作
- 多处理+多线程:这失败的原因与#2相同,制作数据包可能是CPU绑定
经验法则是:I/O受限-使用线程,CPU受限-使用进程