使用 asyncio/aiohttp 获取多个 URL 并重试失败

Question

我正在尝试使用 aiohttp 包编写一些异步 GET 请求，并且已经弄清楚了大部分内容，但我想知道处理失败（作为异常返回）时的标准方法是什么。

到目前为止我的代码的总体思路（经过反复试验，我遵循的方法）：

import asyncio
import aiofiles
import aiohttp
from pathlib import Path

with open('urls.txt', 'r') as f:
    urls = [s.rstrip() for s in f.readlines()]

async def fetch(session, url):
    async with session.get(url) as response:
        if response.status != 200:
            response.raise_for_status()
        data = await response.text()
    # (Omitted: some more URL processing goes on here)
    out_path = Path(f'out/')
    if not out_path.is_dir():
        out_path.mkdir()
    fname = url.split("/")[-1]
    async with aiofiles.open(out_path / f'{fname}.html', 'w+') as f:
        await f.write(data)

async def fetch_all(urls, loop):
    async with aiohttp.ClientSession(loop=loop) as session:
        results = await asyncio.gather(*[fetch(session, url) for url in urls],
                return_exceptions=True)
        return results

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    results = loop.run_until_complete(fetch_all(urls, loop))

现在运行正常：

正如预期的那样，results 变量填充了 None 条目，其中相应的 URL [即在 urls 数组变量中的相同索引处，即在输入文件中的相同行号 urls.txt] 已成功请求，并将相应的文件写入磁盘。
这意味着我可以使用结果变量来确定哪些 URL 不成功（results 中的条目不等于 None）

我查看了一些使用各种异步 Python 包（aiohttp、aiofiles 和 asyncio）的不同指南，但我还没有看到处理这最后一步的标准方法。

是否应该在 await 语句有 'finished'/'completed' 之后重试发送 GET 请求？
...或者重试发送 GET 请求是否应该由失败时的某种回调发起
- 错误看起来像这样：(ClientConnectorError(111, "Connect call failed ('000.XXX.XXX.XXX', 443)") 即在端口 443 对 IP 地址 000.XXX.XXX.XXX 的请求失败，可能是因为服务器有一些限制，我应该等待以尊重重试前超时。
我是否可以考虑施加某种限制，以批处理请求数量而不是尝试所有请求？
在我的列表中尝试几百个（超过 500 个）URL 时，我收到大约 40-60 个成功请求。

天真地，我期望 run_until_complete 以这样的方式处理这个问题，即它会在成功请求所有 URL 后结束，但事实并非如此。

我之前没有使用过异步 Python 和 sessions/loops，所以如果能帮助我找到如何获得 results，我将不胜感激。如果我能提供更多信息来改进这个问题，请告诉我，谢谢！

Answer 1

Should the retrying to send a GET request be done after the await statement has 'finished'/'completed'? ...or should the retrying to send a GET request be initiated by some sort of callback upon failure

你可以做前者。您不需要任何特殊的回调，因为您是在协程内部执行的，所以一个简单的 while 循环就足够了，并且不会干扰其他协程的执行。例如：

async def fetch(session, url):
    data = None
    while data is None:
        try:
            async with session.get(url) as response:
                response.raise_for_status()
                data = await response.text()
        except aiohttp.ClientError:
            # sleep a little and try again
            await asyncio.sleep(1)
    # (Omitted: some more URL processing goes on here)
    out_path = Path(f'out/')
    if not out_path.is_dir():
        out_path.mkdir()
    fname = url.split("/")[-1]
    async with aiofiles.open(out_path / f'{fname}.html', 'w+') as f:
        await f.write(data)

Naively, I was expecting run_until_complete to handle this in such a way that it would finish upon succeeding at requesting all URLs

术语"complete"在协程的技术意义上是指完成（运行它的过程），这是通过协程返回来实现的或引发异常。

使用 asyncio/aiohttp 获取多个 URL 并重试失败

Fetch multiple URLs with asyncio/aiohttp and retry for failures

python

python-asyncio

aiohttp