我们做一个并发的爬虫(例如用多协程或者多线程实现)。这里,如果不进行爬虫不设置timeout的话,如果某个子协程在运行的在还在等待的话,就有其他的线程跟着一起等这个线程的响应。(虽然会让其他的线程或者协程在这时候运行,但是切换所需要的时间的)。如果可以设计到这个timeout的数值比较小(合理的小的话)就会让这个线程(或者协程)在只用很短的时间就结束爬虫。如果失败就先记录下来,在之后做这个失败的数据的处理。
可以采用分级的timeout。这样,失败一次就放到timeout时间序列更长的队列当中。这样通过mlfq这样的操作来调度这些爬虫。
这样方法对于网络质量不是很稳定的情况下,这个爬虫效果会比较好。有些时候就没有必要用那么长的时间来等待。
原文链接:https://blog.csdn.net/a19990412/article/details/80330361