Python中requests、aiohttp、httpx性能对比

2024-03-14 15:28

本文主要是介绍Python中requests、aiohttp、httpx性能对比,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在Python中,有许多用于发送HTTP请求的库,其中最受欢迎的是requests、aiohttp和httpx。这三个库的性能和功能各不相同,因此在选择使用哪个库时,需要考虑到自己的需求和应用场景。

首先,让我们来了解一下这三个库的基本介绍。

  • requests 是一个简单易用的HTTP库,它可以发送HTTP请求和处理HTTP响应。它的API简单易用,可以轻松地实现HTTP请求和响应的处理。

  • aiohttp 是一个异步HTTP客户端/服务器框架,它使用asyncio库实现异步IO操作。它支持HTTP/1.1和HTTP/2协议,可以轻松地处理大量并发请求。

  • httpx 是一个全新的HTTP客户端库,它提供了更加现代化的API和更好的性能。它支持异步和同步请求,支持HTTP/1.1和HTTP/2协议,还提供了WebSocket和HTTP/1.1协议升级的支持。

接下来,我们将对这三个库进行性能测试,以便更好地了解它们的性能和优缺点。

我们使用Python 3.9.1版本进行测试,测试的机器配置为Intel Core i7-7700HQ CPU @ 2.80GHz,16GB内存,Windows 10操作系统。

requests测试

首先,我们测试了发送1000个同步请求的时间。测试代码如下:

import requests
import time
start_time = time.time()
for i in range(1000):response = requests.get('https://www.baidu.com')
end_time = time.time()
print('Time taken: ', end_time - start_time)

测试结果如下:

Time taken:  8.606025457382202

aiohttp测试

接下来,我们测试使用aiohttp发送1000个异步请求的时间。测试代码如下:

import aiohttp
import asyncio
import time
async def fetch(session, url):async with session.get(url) as response:return await response.read()
async def main():async with aiohttp.ClientSession() as session:tasks = []for i in range(1000):task = asyncio.ensure_future(fetch(session, 'https://www.baidu.com'))tasks.append(task)responses = await asyncio.gather(*tasks)
start_time = time.time()
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
end_time = time.time()
print('Time taken: ', end_time - start_time)

测试结果如下:

Time taken:  1.8979811668395996

httpx测试

最后,我们测试使用httpx发送1000个异步请求的时间。测试代码如下:

import httpx
import asyncio
import time
async def main():async with httpx.AsyncClient() as client:for i in range(1000):response = await client.get('https://www.baidu.com')
start_time = time.time()
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
end_time = time.time()
print('Time taken: ', end_time - start_time)

测试结果如下:

Time taken:  1.4310226440429688

从上述测试结果可以看出,httpx的性能最好,aiohttp的性能次之,requests的性能最差。但是,在实际应用中,我们需要根据具体的需求来选择合适的库。如果我们需要处理大量并发请求,那么aiohttp和httpx是更好的选择,因为它们支持异步IO操作,可以更好地处理大量并发请求。如果我们只需要发送一些简单的HTTP请求,那么requests是一个更简单和易用的选择。

这三个库各有优缺点,我们需要根据自己的需求和应用场景来选择合适的库。

这篇关于Python中requests、aiohttp、httpx性能对比的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/808838

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

黑神话,XSKY 星飞全闪单卷性能突破310万

当下,云计算仍然是企业主要的基础架构,随着关键业务的逐步虚拟化和云化,对于块存储的性能要求也日益提高。企业对于低延迟、高稳定性的存储解决方案的需求日益迫切。为了满足这些日益增长的 IO 密集型应用场景,众多云服务提供商正在不断推陈出新,推出具有更低时延和更高 IOPS 性能的云硬盘产品。 8 月 22 日 2024 DTCC 大会上(第十五届中国数据库技术大会),XSKY星辰天合正式公布了基于星

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip