一天抓取千万级别 html 网页， 需要用并行的方式实时解析网页， 但是 lxml 性能太挫， 换成 pugixml 之后也还不够速度， 同时得用 24 核心并行处理， 最后并行跑了半天内存爆了。
找原因发现， 是 multiprocess.Queue 有 get(), put()有严重的性能问题， 出入一下， 需要 0.1s 之久, 太糟糕。 然后就是换成用 redis 出入队列在多进程之间共享数据， 问题解决。
https://imgur.com/MlqCPuh
找原因发现， 是 multiprocess.Queue 有 get(), put()有严重的性能问题， 出入一下， 需要 0.1s 之久, 太糟糕。 然后就是换成用 redis 出入队列在多进程之间共享数据， 问题解决。
https://imgur.com/MlqCPuh
Select Language