aiohttp：限制并行请求的速率

Question

API 通常有用户必须遵守的速率限制。 例如，让我们以 50 个请求/秒为例。 顺序请求需要 0.5-1 秒，因此太慢而无法接近该限制。 但是，使用 aiohttp 的并行请求超出了速率限制。

为了尽可能快地轮询 API，需要限制并行调用的速率。

到目前为止，我发现的示例装饰session.get ，大致如下：

session.get = rate_limited(max_calls_per_second)(session.get)

这适用于顺序调用。 尝试在并行调用中实现这一点无法按预期工作。

这里有一些代码作为例子：

async with aiohttp.ClientSession() as session:
    session.get = rate_limited(max_calls_per_second)(session.get)
    tasks = (asyncio.ensure_future(download_coroutine(  
          timeout, session, url)) for url in urls)
    process_responses_function(await asyncio.gather(*tasks))

这样做的问题是它会对任务的排队进行速率限制。 使用gather的执行仍或多或少会同时发生。 两全其美;-)。

是的，我在这里发现了一个类似的问题aiohttp: set maximum number of requests per second ，但两个回复都没有回答限制请求率的实际问题。 此外，来自 Quentin Pradet 的博客文章仅适用于限制排队的速率。

要包起来：一个如何限制每秒请求数并行的数量aiohttp请求？

Answer 1

如果我理解你，你想限制同时请求的数量？

asyncio有一个名为Semaphore的对象，它的工作方式类似于异步RLock 。

semaphore = asyncio.Semaphore(50)
#...
async def limit_wrap(url):
    async with semaphore:
        # do what you want
#...
results = asyncio.gather([limit_wrap(url) for url in urls])

更新

假设我发出 50 个并发请求，它们都在 2 秒内完成。 所以，它没有触及限制（每秒只有 25 个请求）。

这意味着我应该发出 100 个并发请求，它们也都在 2 秒内完成（每秒 50 个请求）。 但是在您实际提出这些请求之前，您如何确定它们将完成多长时间？

或者，如果您不介意每秒完成的请求数，而是每秒发出的请求数。 你可以：

async def loop_wrap(urls):
    for url in urls:
        asyncio.ensure_future(download(url))
        await asyncio.sleep(1/50)

asyncio.ensure_future(loop_wrap(urls))
loop.run_forever()

上面的代码将每1/50秒创建一个Future实例。

Answer 2

我通过使用基于漏桶算法的aiohttp.ClientSession()创建aiohttp.ClientSession()的子类来解决这个问题。 我使用asyncio.Queue()而不是Semaphores进行asyncio.Queue() 。 我只覆盖了_request()方法。 我发现这种方法更清晰，因为您只将session = aiohttp.ClientSession()替换为session = ThrottledClientSession(rate_limit=15) 。

class ThrottledClientSession(aiohttp.ClientSession):
        """Rate-throttled client session class inherited from aiohttp.ClientSession)""" 
    MIN_SLEEP = 0.1

    def __init__(self, rate_limit: float =None, *args,**kwargs) -> None: 
        super().__init__(*args,**kwargs)
        self.rate_limit = rate_limit
        self._fillerTask = None
        self._queue = None
        self._start_time = time.time()
        if rate_limit != None:
            if rate_limit <= 0:
                raise ValueError('rate_limit must be positive')
            self._queue = asyncio.Queue(min(2, int(rate_limit)+1))
            self._fillerTask = asyncio.create_task(self._filler(rate_limit))

     
    def _get_sleep(self) -> list:
        if self.rate_limit != None:
            return max(1/self.rate_limit, self.MIN_SLEEP)
        return None
        
    async def close(self) -> None:
        """Close rate-limiter's "bucket filler" task"""
        if self._fillerTask != None:
            self._fillerTask.cancel()
        try:
            await asyncio.wait_for(self._fillerTask, timeout= 0.5)
        except asyncio.TimeoutError as err:
            print(str(err))
        await super().close()


    async def _filler(self, rate_limit: float = 1):
        """Filler task to fill the leaky bucket algo"""
        try:
            if self._queue == None:
                return 
            self.rate_limit = rate_limit
            sleep = self._get_sleep()
            updated_at = time.monotonic()
            fraction = 0
            extra_increment = 0
            for i in range(0,self._queue.maxsize):
                self._queue.put_nowait(i)
            while True:
                if not self._queue.full():
                    now = time.monotonic()
                    increment = rate_limit * (now - updated_at)
                    fraction += increment % 1
                    extra_increment = fraction // 1
                    items_2_add = int(min(self._queue.maxsize - self._queue.qsize(), int(increment) + extra_increment))
                    fraction = fraction % 1
                    for i in range(0,items_2_add):
                        self._queue.put_nowait(i)
                    updated_at = now
                await asyncio.sleep(sleep)
        except asyncio.CancelledError:
            print('Cancelled')
        except Exception as err:
            print(str(err))


    async def _allow(self) -> None:
        if self._queue != None:
            # debug 
            #if self._start_time == None:
            #    self._start_time = time.time()
            await self._queue.get()
            self._queue.task_done()
        return None


    async def _request(self, *args,**kwargs):
        """Throttled _request()"""
        await self._allow()
        return await super()._request(*args,**kwargs)
    ```

Answer 3

我喜欢 @sraw 用 asyncio 解决这个问题，但他们的回答对我来说并没有完全切合实际。 因为我不知道我的下载调用是否会比速率限制更快或更慢，所以我希望可以选择在请求缓慢时并行运行多个请求，并在请求非常快时一次运行一个我总是正确的速率限制。

我通过使用一个带有生产者的队列来以速率限制生成新任务，然后许多消费者要么全部等待下一个工作，如果他们很快，要么在队列中备份工作，如果他们是慢，并且会以处理器/网络允许的速度运行：

import asyncio
from datetime import datetime 

async def download(url):
  # download or whatever
  task_time = 1/10
  await asyncio.sleep(task_time)
  result = datetime.now()
  return result, url

async def producer_fn(queue, urls, max_per_second):
  for url in urls:
    await queue.put(url)
    await asyncio.sleep(1/max_per_second)
 
async def consumer(work_queue, result_queue):
  while True:
    url = await work_queue.get()
    result = await download(url)
    work_queue.task_done()
    await result_queue.put(result)

urls = range(20)
async def main():
  work_queue = asyncio.Queue()
  result_queue = asyncio.Queue()

  num_consumer_tasks = 10
  max_per_second = 5
  consumers = [asyncio.create_task(consumer(work_queue, result_queue))
               for _ in range(num_consumer_tasks)]    
  producer = asyncio.create_task(producer_fn(work_queue, urls, max_per_second))
  await producer

  # wait for the remaining tasks to be processed
  await work_queue.join()
  # cancel the consumers, which are now idle
  for c in consumers:
    c.cancel()

  while not result_queue.empty():
    result, url = await result_queue.get()
    print(f'{url} finished at {result}')
 
asyncio.run(main())

Answer 4

我想我有一部分解决方案。 在这里，我用 url 填充一个队列，然后产生 25 个协程，每个协程在队列上循环。 我正在向 scraperAPI.com 发出请求，并且它们有 25 个并发线程限制，因此我使用了信号量。 正如您提到的，问题之一是当您运行 gather() 时，它会立即执行所有内容。 您需要做的是在每个任务之前使用带有等待的 create_task ，这样它们就不会同时被执行。 使用 create_task 创建的任何任务都会立即运行。

注意：我意识到我每次调用都会创建一个客户端会话，如果您只想在每个循环中创建一个，那么您可以将async with ClientSession(connector=aiohttp.TCPConnector(limit=1), timeout=ClientTimeout(total=40), raise_for_status=True) as session:例如在 while 之前的 getData() 函数中。

通过这种设置，我可以运行 25 个协程，并且不会违反 25 个并发连接规则。

就问题而言，这里的关键是在await asyncio.sleep(1.1)每次 create_task() 调用之前的await asyncio.sleep(1.1) )。

async def send_request(sem, url, routine):
    start_time = time.time()
    print(f"{routine}, sending request: {datetime.now()}")
    params = {
                'api_key': 'nunya',
                'url': '%s' % url, 
                'render_js': 'false',
                'premium_proxy': 'false', 
                'country_code':'us'
            }
    try:
        async with sem:
            async with ClientSession(connector=aiohttp.TCPConnector(limit=1), timeout=ClientTimeout(total=40), raise_for_status=True) as session:
                async with session.get(url='http://api.scraperapi.com',params=params,) as response:              
                    data = await response.content.read()                     
                    print(f"{routine}, done request: {time.time() - start_time} seconds")                    
            return data

    except Exception as e:
        
        errors.append(url)
        print(f"here is the error: {e}, {datetime.now()}, {routine} {url}, {time.time() - start_time} seconds") 

async def getData(sem, q, test):
    while True:
        if not q.empty():
            url = q.get_nowait()
            resp = await send_request(sem, url ,test)
            ##non async call which parses the data         
            processData(resp, test, url)
        else:
            print('done')
            break

async def async_payload_wrapper(sem):
    tasks = []
    q = asyncio.Queue()
    for url in urls:
        await q.put(url)  

    for i in range(THREADS):
        await asyncio.sleep(1.1)
        tasks.append(
            asyncio.create_task(getData(sem, q, ''.join(random.choice(string.ascii_lowercase) for i in range(10))))
        )
    await asyncio.gather(*tasks)



if __name__ == '__main__':
    sem = asyncio.Semaphore(25)
    asyncio.run(async_payload_wrapper(sem))

Answer 5

我开发了一个名为 octopus-api ( https://pypi.org/project/octopus-api/ ) 的库，它使您能够在后台使用 aiohttp 限制速率并设置对端点的并发 api 调用数。 它的目标是简化所有需要的 aiohttp 设置。

下面是一个如何使用它的例子，其中 get_ethereum 是用户定义的请求函数：

from octopus_api import TentacleSession, OctopusApi
from typing import Dict, List

if __name__ == '__main__':
    async def get_ethereum(session: TentacleSession, request: Dict):
        async with session.get(url=request["url"], params=request["params"]) as response:
            body = await response.json()
            return body

    client = OctopusApi(rate=50, resolution="sec", concurrency=6)
    result: List = client.execute(requests_list=[{
        "url": "https://api.pro.coinbase.com/products/ETH-EUR/candles?granularity=900&start=2021-12-04T00:00:00Z&end=2021-12-04T00:00:00Z",
        "params": {}}] * 1000, func=get_ethereum)
    print(result)

TentacleSession 的工作方式与您为 aiohttp 编写 POST、GET、PUT 和 PATCH 的方式相同。

让我知道它是否有助于您解决与速率限制和并行调用相关的问题。