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 >
DeleGate响应速度慢问题的分析和解决
发布时间:2018-11-16 来源:未知 浏览:

问题描述:

近日发现使用DeleGate为后端的HTTP代理响应速度异常慢,访问百度首页都需要20秒左右,如下测试截图(time curl -x test:test@182.84.192.159:6666 http://www.baidu.com),本次访问耗时20.942秒。

奇怪的是只有第一次访问的时候速度才慢,一旦访问一次之后速度就正常的,如下图所示,第二次测试只用了0.139秒!

反复多次测试发现规律:DeleGate刚启动时第一个请求异常慢,后续请求速度正常。 这到底是什么原因引起的呢?

问题分析:

以Debug模式(加上-v参数)启动DeleGate,客户端用curl再次连接该代理IP。看到DeleGate的实时日志如下截图所示。

看到其中有两条可疑信息(摘录如下):

gethostbyaddr(182.84.192.159) unknown[9.77s]
gethostbyaddr(47.95.118.140) unknown[11.02s]

问题解决:

其中182.84.192.159为服务端IP(也就是DeleGate监听的IP),47.95.118.140为客户端(测试机)的IP。软件尝试查询两个IP对应的主机名,由于查询失败,共耗时超过20秒。原来时间都浪费到这里了(这两个操作完全是没必要的)!

当相同客户端(IP)后续再次发送请求的时候,第一次的DNS查询结果已经缓存了,没有再次进行该gethostbyaddr()的操作,所以请求瞬间就完成了,这就是后续速度恢复正常的原因。

悲剧的是查询DeleGate的文档并没有找到能Disable这两次gethostbyaddr()的方法。看来只能自己动手修改源码了。

从官网下载软件源码,使用gethostbyaddr作为关键词搜索所有的.c文件,最终在src\inets.c文件种找到了相关的代码。如下图所示。

查看代码上下文,最终发现可以在Dgethostbyaddr()函数里做点手脚,使得软件跳过gethostbyaddr()的调用,修改部分如下图所示:

修改之后重新编译。然后再次用Debug模式测试,请求瞬间得到应答,实时日志也没看到gethostbyaddr之类的记录。问题完美解决!

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。