高效发送请求不阻塞事件循环
**高效发送请求,避免事件循环阻塞:aiohttp性能优化实战** 在使用 aiohttp 发送大量 HTTP 请求时,性能瓶颈往往出现在 JSON 序列化和 DNS 解析环节。本文深入探讨如何通过预先编码数据,手动将 Python 对象序列化为 JSON 字符串并编码为字节流,避免 aiohttp 自动 JSON 序列化带来的事件循环阻塞。同时,通过安装 `aiohttp[speedups]` 加速包,启用异步 DNS 解析器 aiodns,或直接使用 IP 地址代替域名,显著提高 DNS 解析速度。此外,复用 `aiohttp.ClientSession` 对象,避免重复的 TCP 连接建立和 DNS 解析,也是提升性能的关键。掌握这些优化技巧,能有效减少延迟,提高应用程序的整体响应速度,尤其是在处理对延迟敏感的 API 时,效果更为显著。

本文将介绍如何通过预先编码数据、安装 aiohttp 加速包以及复用会话等方式来优化请求发送,从而提高 aiohttp 的性能,尤其是在处理对延迟敏感的 API 时。
在使用 aiohttp 发送大量 HTTP 请求时,特别是当请求体较大时,默认的 JSON 序列化过程可能会显著影响性能。这是因为 aiohttp 在内部使用 json 模块对数据进行序列化,而这个过程是同步的,会阻塞事件循环,导致后续请求的延迟。
解决方案:预先编码数据
避免 aiohttp 自动 JSON 序列化的最有效方法是,手动将数据序列化为 JSON 字符串并编码为字节流,然后在发送请求时直接使用。这样可以避免 aiohttp 在事件循环中进行序列化操作。
以下是一个示例代码:
import asyncio
import json
import aiohttp
async def send_request(session, url, obj):
"""
使用预先编码的数据发送 POST 请求。
"""
def prepare_data(obj) -> bytes:
return json.dumps(obj).encode()
# 在单独的线程中进行 JSON 序列化,避免阻塞事件循环
data = await asyncio.to_thread(prepare_data, obj)
async with session.post(url, data=data, headers={"Content-Type": "application/json"}) as resp:
return await resp.text()
async def main():
url = "your_api_endpoint"
obj = {"key": "value", "data": list(range(1000))} # 示例数据
async with aiohttp.ClientSession() as session:
response = await send_request(session, url, obj)
print(response)
if __name__ == "__main__":
asyncio.run(main())代码解释:
- prepare_data 函数负责将 Python 对象序列化为 JSON 字符串,然后编码为字节流。
- asyncio.to_thread 用于在单独的线程中执行 prepare_data 函数,这样可以避免阻塞 aiohttp 的事件循环。
- 在 session.post 中,使用 data 参数传递预先编码的数据,并设置 Content-Type 为 application/json。
注意事项:
- 确保在序列化期间,obj 对象不会被修改。如果 obj 是可变对象,可能会导致数据不一致。使用不可变对象是更安全的选择。
- 如果需要处理非常大的数据,可以考虑使用流式序列化,以减少内存占用。
加速 DNS 解析
aiohttp 默认使用同步的 DNS 解析,这可能会导致延迟。可以通过安装 aiohttp[speedups] 来启用 aiodns,这是一个异步 DNS 解析器,可以显著提高 DNS 解析的速度。
pip install aiohttp[speedups]
或者,可以直接使用 IP 地址代替域名,完全跳过 DNS 解析过程。
复用会话
aiohttp.ClientSession 对象应该被复用,而不是每次请求都创建一个新的会话。复用会话可以避免重复的 TCP 连接建立和 DNS 解析,从而提高性能。
async with aiohttp.ClientSession() as session:
# 在这里发送多个请求
pass总结
通过预先编码数据、安装 aiohttp[speedups] 以及复用会话,可以显著提高 aiohttp 的性能,尤其是在处理大量 HTTP 请求时。这些优化措施可以减少延迟、避免阻塞事件循环,并提高应用程序的整体响应速度。
今天关于《高效发送请求不阻塞事件循环》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
JS数组随机排序技巧分享
- 上一篇
- JS数组随机排序技巧分享
- 下一篇
- Excel合并省市区地址的实用方法
-
- 文章 · python教程 | 13小时前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 14小时前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 17小时前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 18小时前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 19小时前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 20小时前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 22小时前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 1天前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 416次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 496次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 504次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 452次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 281次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

