更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效绕过各种反采集策略。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】如何获取我查查App当前所选城市?
    adb pull /data/data/com.wochacha/shared_prefs/com.wochacha_preferences.xml ./com.wochacha_preferences.xml
    然后读取"SelectedCityName"属性。如图所示。 ​​​​
    发布时间:2019-01-18 14:09:15
  • 拼多多商品ID采集:Selenium + Mitmproxy ​​​​
    发布时间:2019-01-18 12:39:59
  • 【经验分享】SSH本地端口映射。场景如下:
    某Linux母机下有多台KVM虚拟机,虚拟机的VNC只开放了127.0.0.1的访问权限。如何远程连接这些VNC端口呢?

    可以使用SSH本地端口映射实现,在本地机执行如下命令:
    ssh -L 127.0.0.1:5901:127.0.0.1:5901 user@ip-of-linux-host
    解释一下:监听本地5901端口,将5901端口的连接重定向到ip-of-linux-host主机的127.0.0.1:5901端口。
    发布时间:2019-01-16 12:01:25
  • 【经验分享】KVM调整磁盘大小:
    1. 查看原磁盘大小。
    qemu-img info win7.img
    如图是80G。

    2. 增加10G。
    sudo qemu-img resize win7.img +10G

    3. 查看增加后的磁盘大小。
    qemu-img info win7.img
    如果是90G。

    4. 重启虚拟机,进入虚拟机磁盘管理再确认下。
    如图2所示,多了一个10GB的空闲分区。可以新建一个分区,也可以使用磁盘扩展将其合并到C盘。

    如果想要扩展指的分区的大小,可以使用virt-resize,具体请参考该文章:https://mike42.me/blog/how-to-resize-a-windows-vm-image-with-virt-resize
    发布时间:2019-01-16 11:37:01
  • 美团外卖菜品/商品月销量属性确定可以抓取(如图所示) ​​​​
    发布时间:2019-01-10 15:30:18
  • 【经验分享】KVM在Ubuntu下的安装配置 >>> http://www.site-digger.com/html/articles/20181229/693.html ​​​​
    发布时间:2019-01-09 16:03:18
  • 【经验分享】拼多多列表页商品最大可见数为1000个。
    如何测试Ajax动态分页列表的最大可翻页数?这个文章还是我3年前写的,后来时常用到。
    http://www.site-digger.com/html/articles/20150718/94.html ​​​​
    发布时间:2019-01-03 15:33:16
  • 【经验分享】安卓模拟器中需要先关闭物理键盘,才能正常使用ADB Keyboard。设置方法见附图。 ​​​​
    发布时间:2019-01-02 16:52:26
  • 常见安卓模拟器远程ADB监听端口(如图) ​​​​
    发布时间:2018-12-26 09:49:08
  • 【赞】pywebview是webview组件的轻量级跨平台原生封装,实现利用Web技术开发GUI应用  >>> 项目主页:https://github.com/r0x0r/pywebview  
    说明文档:https://pywebview.flowrl.com/  
    How to build cross platform Desktop GUI based apps with Python and web technologies and frameworks:https://www.techiediaries.com/python/how-to-build-cross-platform-desktop-gui-based-apps-with-python-and-web-technologies-and-frameworks/ ​​​​
    发布时间:2018-12-13 12:27:42
当前位置: 首页 > 技术文章 >
与TIME_WAIT相关的一些实验
发布时间:2018-11-09 来源:未知 浏览:

在一次Web回话过程中,到底是谁先主动关闭的TCP连接呢?是服务端还是客户端?本次实验将解开谜底。

先插播点小知识:TCP的TIME_WAIT状态,是主动关闭TCP连接一方才会出现的状态(详细介绍可以参加这篇文章https://www.cnblogs.com/sunxucool/p/3449068.html),借助该状态我们就可以判断出是谁先说的Goodbye。

下面我们会分别测试Curl、Python urllib2和Python requests库的情况。

1. Curl连接Apache,谁先关闭连接?

答案是:客户端(curl)。
如下图所示,TIME_WAIT出现在客户端,因此TCP连接是curl主动关闭的。

 

2. Python urllib2连接Apache,谁先关闭连接?

答案是:服务端(Apache)。
测试前状态如下图1所示。

测试后(urllib2连接web之后)状态如图2所示。TIME_WAIT出现在服务端,因此可以断定TCP连接是Apache主动关闭的。

urllib2的行为可以深究一下,为什么服务端(Apache)会主动关闭连接?

先给httplib.py做点手脚,让其能打印出发出的HTTP请求数据,如下图所示。可以看到发出的请求被自动加上了"Connection: close",告知服务端发送请求完毕后关闭连接,因此Web服务端主动关闭请求。

作为对比,可以再看下curl测试时的截图,curl发出的HTTP请求报文并没有"Connection: close"头,因此服务端处理完请求并不会主动关闭连接。

 

3. Python requests连接Apache,谁先关闭连接?

第一种情况,不使用requests的session,答案是:客户端(requests)。
如下图所示,发送请求之后客户端出现了TIME_WAIT。

第二种请求,使用requests的session,这时候客户端和服务端将保持长连接,如果请求一直持续连接将一直保持,不会主动关闭,如下图所示。

需要注意的是,客户端必须一直有持续的请求发出长连接才会被保持,实验中每隔0.5秒请求一次)。如果客户端休息了一段时间,那么服务端就开始尝试关闭连接了。

 

4. 把Apache服务器换成HTTP代理服务器情况如何呢?

把Web服务器(Apache)换成HTTP代理服务器情况也一样,比如:

1. 连续执行9次curl -x test:test@192.168.1.6:8888 http://httpbin.org/ip 之后,本地可以看到9个TIME_WAIT状态的TCP连接。

2. 再比如,我们用urllib2使用代理(test:test@192.168.1.6:8888)访问任意网址多次,代理服务器上就会出现多个状态为TIME_WIAT状态的TCP连接。如下图所示:

3. 如果我们用requests + session模式,通过代理访问任意网址多次,代理服务器上只有一条来自requests客户端的TCP连接。如下图所示。

 

总结:在做爬虫开发的时候尽快使用支持长连接的HTTP客户端,例如request + session。这样即能提高效率(建立TCP连接需要耗费时间),也能减轻客户端和Web服务端(或HTTP代理服务器)的负担。

 

特别说明:该文章为鲲鹏数据原创文章 ,您除了可以发表评论外,还可以转载到别的网站,但是请保留源地址,谢谢!!(尊重他人劳动,我们共同努力)
☹ Disqus被Qiang了,之前的评论内容都没了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/
QQ在线客服
欢迎咨询,点击这里给我发送消息。
欢迎咨询,点击这里给我发送消息。