Python中使用async/await下载文件失败,如何解决?
目前需要从一个 FTP 服务器下载 3 万多个小文件,之前用 multiprocessing 总是下一部分之后就停了,所以尝试用异步加快下载:
class pdb:
def __init__(self):
self.ids = []
self.dl_id = []
self.err_id = []
async def download_file(self, session, url):
try:
with async_timeout.timeout(10):
async with session.get(url) as remotefile:
if remotefile.status == 200:
data = await remotefile.read()
return {"error": "", "data": data}
else:
return {"error": remotefile.status, "data": ""}
except Exception as e:
return {"error": e, "data": ""}
async def unzip(self, session, work_queue):
while not work_queue.empty():
queue_url = await work_queue.get()
print(queue_url)
data = await self.download_file(session, queue_url)
id = queue_url[-11:-7]
ID = id.upper()
if not data["error"]:
saved_pdb = os.path.join("./pdb", ID, f'{ID}.pdb')
if ID not in self.dl_id:
self.dl_id.append(ID)
with open(f"{id}.ent.gz", 'wb') as f:
f.write(data["data"].read())
with gzip.open(f"{id}.ent.gz", "rb") as inFile, open(saved_pdb, "wb") as outFile:
shutil.copyfileobj(inFile, outFile)
os.remove(f"{id}.ent.gz")
else:
self.err_id.append(ID)
def download_queue(self, urls):
loop = asyncio.get_event_loop()
q = asyncio.Queue(loop=loop)
[q.put_nowait(url) for url in urls]
con = aiohttp.TCPConnector(limit=10)
with aiohttp.ClientSession(loop=loop, connector=con) as session:
tasks = [asyncio.ensure_future(self.unzip(session, q)) for _ in range(len(urls))]
loop.run_until_complete(asyncio.gather(*tasks))
loop.close()
if name == “main”:
x = pdb()
urls = [‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/nf/pdb4nfn.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/ny/pdb4nyj.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/mn/pdb2mnz.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/ra/pdb4ra4.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/x5/pdb4x5w.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/dm/pdb2dmq.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/n7/pdb2n7r.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/om/pdb2omv.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/oy/pdb3oy8.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/fe/pdb3fej.ent.gz’, ‘ftp://ftp.wwpdb.org/pub/pdb/data/structures/divided/pdb/hw/pdb2hw9.ent.gz’]
x.download_queue(urls)
报错信息如下:
Traceback (most recent call last):
File "test.py", line 111, in <module>
x.download_queue(urls)
File "test.py", line 99, in download_queue
loop.run_until_complete(asyncio.gather(*tasks))
File "/home/yz/miniconda3/lib/python3.6/asyncio/base_events.py", line 467, in run_until_complete
return future.result()
File "test.py", line 73, in unzip
data = await self.download_file(session, queue_url)
File "test.py", line 65, in download_file
return {"error": remotefile.status, "data": ""}
File "/home/yz/miniconda3/lib/python3.6/site-packages/async_timeout/init.py", line 46, in exit
raise asyncio.TimeoutError from None
concurrent.futures._base.TimeoutError
请大家帮忙看看。谢谢!
Python中使用async/await下载文件失败,如何解决?
lftp 开多线程 10 万文件我也下载过,一点问题没有啊!除非服务器限制吧。
遇到 async/await 下载文件失败,通常有几个常见原因和对应的解决方法。下面是一个完整的、健壮的异步下载文件示例,涵盖了超时、重试和错误处理。
import aiohttp
import asyncio
import os
async def download_file(url, save_path, retries=3, timeout=10):
"""
异步下载文件,支持重试和超时设置。
:param url: 文件URL
:param save_path: 本地保存路径
:param retries: 重试次数
:param timeout: 超时时间(秒)
"""
async with aiohttp.ClientSession() as session:
for attempt in range(retries):
try:
async with session.get(url, timeout=timeout) as response:
if response.status == 200:
# 确保保存目录存在
os.makedirs(os.path.dirname(save_path), exist_ok=True)
# 写入文件
with open(save_path, 'wb') as f:
while True:
chunk = await response.content.read(1024)
if not chunk:
break
f.write(chunk)
print(f"文件下载成功: {save_path}")
return True
else:
print(f"HTTP错误: {response.status}")
except asyncio.TimeoutError:
print(f"尝试 {attempt + 1}/{retries}: 下载超时")
except aiohttp.ClientError as e:
print(f"尝试 {attempt + 1}/{retries}: 网络错误 - {e}")
except Exception as e:
print(f"尝试 {attempt + 1}/{retries}: 未知错误 - {e}")
# 如果不是最后一次尝试,等待后重试
if attempt < retries - 1:
await asyncio.sleep(2 ** attempt) # 指数退避
print(f"下载失败,已重试{retries}次: {url}")
return False
async def main():
url = "https://example.com/file.zip"
save_path = "./downloads/file.zip"
success = await download_file(url, save_path)
if success:
print("下载任务完成")
else:
print("下载任务失败")
# 运行主函数
if __name__ == "__main__":
asyncio.run(main())
关键点说明:
- 使用
aiohttp:这是异步HTTP客户端库,比requests更适合异步环境。 - 超时处理:通过
timeout参数防止请求挂起。 - 重试机制:当网络不稳定时自动重试,采用指数退避策略。
- 错误处理:捕获各种可能异常(超时、网络错误、HTTP状态码等)。
- 目录创建:自动创建不存在的保存目录。
常见问题排查:
- 如果是SSL证书问题,可以在
session.get()中添加ssl=False参数(仅测试环境使用)。 - 确保URL可访问且文件存在。
- 检查网络连接和代理设置。
一句话总结: 用 aiohttp 替代同步库,加上超时、重试和错误处理就能解决大部分异步下载问题。
#1 哈哈我知道,肯定是我代码的问题不是人家服务器的问题
#3 我试过把那行删了,就会一直卡在那,感觉还是其他地方有问题。
#5 已经有 print 了呀,会直接把所有链接都打印出来然后卡住……
老老实实用 python 做一个下载链接的清单, 然后用 aria2c 下载吧… 省出来的时间都是你的
unzip 不要用 async,CPU 密集型。
Python 可以真多线程了吗?
#7 以后可能会了……但是这个就是练手的项目,想弄明白异步到底该怎么写。
#8 没太明白,unzip 里面只有取数据那一行用了 await,其他步骤都没有,这样也不可以吗?谢谢帮忙!
#9 还是有 GIL 的,估计多线程是有生之年系列了……不过现在多核越来越不值钱,多线程意义也没那么大了吧。
是客户端连接出错了把。从队列中取出 url 后会打印,发生了异常会继续拿,这样的话,如果请求有问题,应该是直接打印所有的 url 后结束?
你的问题在于:
with open(f"{id}.ent.gz", ‘wb’) as f:
…f.write(data[“data”].read())
with gzip.open(f"{id}.ent.gz", “rb”) as inFile, open(saved_pdb, “wb”) as outFile:
…shutil.copyfileobj(inFile, outFile)
os.remove(f"{id}.ent.gz")
这几行是没法被 asyncio 通过 Coroutine 并行化的,只能多线程。但是这就产生了两个问题,第一默认的 asyncio 不是多线程并行化的,第二即使设置 asyncio 多线程并行化,考虑到 GIL,Python 多线程也是不够用的。所以总体来说,asyncio 对你这段程序是不够的。还是得上多进程。
GIL 在文件 I/O 时不是会释放吗?
支持 async 的文件 I/O 的有:
1.aiofiles: https://github.com/Tinche/aiofiles
2.asyncio 中有 thread pool executor. run_in_executor()也可以处理文件 I/O.
如果还有别的方法,欢迎补充 :)
你说 unzip 是 cpu 密集型,那这跟 GIL 有啥关系? 还是要上多进程。
GIL 的存在会使得 Python 里的多线程对 CPU 密集型 程序优化作用有限,而多进程就可以避免这个缺点。
select, epoll 应该只是 I/O 复用,但其实还是属于阻塞模型吧?只不过是在 select 的时候阻塞,而不是在真正的 IO 调用上。
GIL 的存在导致文件读取的每个原子操作,线程切换的开销增大。而 shutil.copyfileobj,那是个 Python 循环,所以是不可能高效的。aiofiles 那东西在很多平台上面是多线程实现的,你可以 check 一下它的源代码。
基于这个原因,可以认为楼主的程序上多线程没救,所以 asyncio 就没有救(如果多线程有救,asyncio 还是可以用的)。而因为多线程无法使用,CPU 密集型的 unzip 就没法被 asyncio 搞定。这才导出了我的结论,unzip 是 cpu 密集型,不适合 asyncio。
至于 select、epoll 这类 I/O 复用,我觉得可以认为它们是非阻塞模型,因为它们避免了多线程模式下的 while { read } 县线程等待,和 callback 效果等同。我觉得并不一定 callback 才可以被认为是非阻塞,只要看是否达到同样的效果就可以了。
#19 那请问多进程和 asyncio 可以结合起来使用吗?之前用多进程写的也总是跑到一半就自己停了,也不报错。多谢帮助!
我记得 asyncio 有方法用多进程,不过现在的 api 都很基础很难用。所以你这需求用 python 其实挺麻烦的。
把 unzip,和 writefile 写成一个普通函数,用concurrent.futures.ProcessPoolExecutor和loop.run_in_executor函数运行,这样就可以结合起来
await loop.run_in_executor(PPExecutor, func, args)
https://pymotw.com/3/asyncio/executors.html
为什么我跑你的代码会报
TypeError: Use async with instead
的错
装 aiohttp 2.3.0 版本, 解决 TypeError: Use async with instead


