当前位置: 首页 > news >正文

Python中requests、aiohttp、httpx性能对比

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。

相关文章:

Python中requests、aiohttp、httpx性能对比

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…...

网络原理(5)——IP协议(网络层)

目录 一、IP协议报头介绍 1、4位版本 2、4位首部长度 3、8位服务器类型 4、16位总长度 5、16位标识位 6、3位标志位 7、13位偏移量 8、8位生存空间 9、8位协议 10、16位首部检验和 11、32位源IP地址 12、32位目的IP地址 二、IP协议如何管理地址? 1、动…...

GE IS200AEPAH1BKE IS215WEPAH2BB是两种不同的压力测量模块

GE IS200AEPAH1BKE和IS215WEPAH2BB是两种不同的压力测量模块,它们都属于GE(通用电气)公司的产品。 具体来说,以下是这两种模块的一些特点和应用: IS200AEPAH1BKE:这款模块适用于需要高性价比的压力测量应用…...

Rust 与 C++ ,孰优孰劣?

Rust 与 C 是两种高级系统级编程语言,它们都在追求性能、控制底层硬件细节的同时强调安全性。以下是两者的详细对比: 目标与理念 Rust:由 Mozilla 主导开发,目标是构建一种既快速又安全的系统级编程语言,特别是解决 C…...

MySQL、Oracle的时间类型字段自动更新:insert插入、update更新时,自动更新时间戳

1.MySQL 支持的字段类型:DATETIME、TIMESTAMP drop table if exists test_time_auto_update; create table test_time_auto_update (id bigint auto_increment primary key comment 自增id,name varchar(8) …...

Testng框架集成新业务

总体框架设计见我另一篇博客&#xff1a;httpclienttestng接口自动化整体框架设计 <block&#xff1a;表示测试用例块> block后面是 测试用例的名称 ||接口名,该接口名在URL.txt里维护接口 ||get\post&#xff1a;表示请求的方法 get_1\2\3\4&#xff1a;代表加密 get: …...

springboot 单元测试

Spring Boot 单元测试是确保代码质量的重要部分&#xff0c;它允许我们在不实际启动整个应用的情况下测试我们的代码。在Spring Boot中&#xff0c;我们通常使用Spring Test模块和JUnit测试框架来编写单元测试。以下是一个简单的Spring Boot单元测试的详细代码介绍&#xff1a;…...

LeetCode---126双周赛

题目列表 3079. 求出加密整数的和 3080. 执行操作标记数组中的元素 3081. 替换字符串中的问号使分数最小 3082. 求出所有子序列的能量和 一、求出加密整数的和 按照题目要求&#xff0c;直接模拟即可&#xff0c;代码如下 class Solution { public:int sumOfEncryptedInt…...

[python] ETL 工作流程 Prefect

Prefect 是一个用于构建、调度和监控数据流程的 Python 库。它提供了一种简单而强大的方式来管理 ETL&#xff08;Extract, Transform, Load&#xff09;工作流程。下面是一个简单的示例&#xff0c;演示了如何使用 Prefect 来创建和运行一个简单的任务&#xff1a; 首先&…...

html第一次作业

常用标签 0, 骨架&#xff08;&#xff01;tap&#xff09; <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><t…...

基于java实现的KTV点歌系统

开发语言&#xff1a;Java 框架&#xff1a;ssm 技术&#xff1a;JSP JDK版本&#xff1a;JDK1.8 服务器&#xff1a;tomcat7 数据库&#xff1a;mysql 5.7&#xff08;一定要5.7版本&#xff09; 数据库工具&#xff1a;Navicat11 开发软件&#xff1a;eclipse/myeclip…...

GPT+向量数据库+Function calling=垂直领域小助手

引言 将 GPT、向量数据库和 Function calling 结合起来&#xff0c;可以构建一个垂直领域小助手。例如&#xff0c;我们可以使用 GPT 来处理自然语言任务&#xff0c;使用向量数据库来存储和管理领域相关的数据&#xff0c;使用 Function calling 来实现领域相关的推理和计算规…...

DeepSeek-coder 微调训练记录

简介 微调过程不再细说, 参考link进行即可. 主要是数据集. 1.3b模型微调训练占用资源信息 top信息 评估 根据DeepSeek-coder的Evaluation试进行对微调后的模型进行评估. 其中的评估库主要是evol-teacher和human-eval. 新建一个eval_ins.sh文件, 填入以下内容 LANG"…...

【Android】【Bluetooth Stack】蓝牙音乐协议分析之音频控制与信息加载(超详细)

1. 精讲蓝牙协议栈(Bluetooth Stack):SPP/A2DP/AVRCP/HFP/PBAP/IAP2/HID/MAP/OPP/PAN/GATTC/GATTS/HOGP等协议理论 2. 欢迎大家关注和订阅,【蓝牙协议栈】和【Android Bluetooth Stack】专栏会持续更新中.....敬请期待! 目录 1. 音乐信息加载 1.1 歌曲信息 1.1.1 key_c…...

ChatGPT无法登录,提示我们检测到可疑的登录行为?如何解决?

OnlyFans 订阅教程移步&#xff1a;【保姆级】2024年最新Onlyfans订阅教程 Midjourney 订阅教程移步&#xff1a; 【一看就会】五分钟完成MidJourney订阅 GPT-4.0 升级教程移步&#xff1a;五分钟开通GPT4.0 如果你需要使用Wildcard开通GPT4、Midjourney或是Onlyfans的话&am…...

程序员表白

啥&#xff1f;&#xff01;你说程序员老实&#xff0c;认真工作&#xff0c;根本不会什么表白&#xff01;那你就错了&#xff01;(除了我) 那今天我们就来讲一下这几个代码&#xff01;赶紧复制下来&#xff0c;这些代码肯定有你有用的时候&#xff01; 1.Python爱心代码 im…...

CSS的使用与方法

什么是CSS CSS是层叠样式表。它是一种用于描述网页或者文档外观和样式的标记语言。 层级样式表&#xff1a;就是给HTML标签加样式的。 如果说HTML是个游戏英雄 、那么CSS就是游戏皮肤。 【一】注释语法 /* 注释 */ 【二】CSS的语法结构 选择符 {样式属性: 样式属性值;样…...

(保姆级)离线安装mongoDB集群

Docker搭建MongoDB集群 副本集模式&#xff08;Replica Set&#xff09; 是一种互为主从的关系&#xff0c; Replica Set 将数据复制多份保存&#xff0c;不同服务器保存同一份数据&#xff0c;在出现故障时自动切换&#xff0c;实现故障转移。 此集群拥有一个主节点和多个从…...

面试笔记——MySQL(主从同步原理、分库分表)

主从同步原理 主从同步结构&#xff1a;主库负责写数据&#xff0c;从库负责读数据&#xff0c;如图—— MySQL主从复制的核心就是二进制日志&#xff08;BINLOG&#xff09;&#xff0c;它记录了所有的 DDL&#xff08;数据定义语言&#xff09;语句和 DML&#xff08;数据操…...

面试题2.0

目录 css 动画 深拷贝和浅拷贝 ES6新特性 事件循环 vue-router原理 flex布局 session和local storage分别是用来干嘛的&#xff1f; http状态码 原型链 虚拟dom vuex的五个属性 vue路由跳转的四种方式 vue生命周期 link和import的区别 GET 与 POST 的区别 fle…...

基于Python的情绪识别模型:从原理到实践

摘要情绪识别作为自然语言处理&#xff08;NLP&#xff09;领域的重要分支&#xff0c;在人机交互、社交媒体分析、客户服务等场景中具有广泛应用。本文系统介绍基于Python的情绪识别模型构建方法&#xff0c;涵盖数据预处理、特征提取、模型选择、训练评估及部署应用等关键环节…...

Databricks推出AiChemy多智能体AI系统,助力药物研发加速

Databricks近日发布了一套名为AiChemy的多智能体AI参考架构&#xff0c;该系统通过模型上下文协议&#xff08;MCP&#xff09;将其平台上的企业内部数据与外部科学数据库相结合&#xff0c;旨在加速药物研发过程中的靶点识别与候选化合物评估等关键任务。靶点识别与候选化合物…...

Meta推出由高薪超级智能实验室研发的全新AI模型

Meta于本周三正式发布了其最新人工智能模型&#xff0c;这也是该公司组建一支高薪团队以在AI赛道上与竞争对手展开较量后推出的首个重磅成果。这款名为Muse Spark的新模型由Meta超级智能实验室打造。该实验室汇聚了一批来自各大AI公司的顶尖人才&#xff0c;于去年正式成立&…...

【算法实战 | DFS应用】从迷宫到图论:深度优先搜索的进阶技巧与优化策略

1. 深度优先搜索的核心思想 深度优先搜索&#xff08;DFS&#xff09;就像一个人在迷宫里探险&#xff0c;遇到岔路时总是选择最左边的那条路&#xff0c;走到死胡同再原路返回&#xff0c;尝试下一条未走过的路。这种"不撞南墙不回头"的特性&#xff0c;正是DFS最形…...

YOLOv8与Cosmos-Reason1-7B的联合应用:智能视觉推理系统

YOLOv8与Cosmos-Reason1-7B的联合应用&#xff1a;智能视觉推理系统 1. 场景引入&#xff1a;当视觉检测遇上语义理解 你有没有遇到过这样的情况&#xff1a;监控摄像头检测到了一个人&#xff0c;但不知道他在干什么&#xff1b;或者自动驾驶系统识别出了车辆&#xff0c;却…...

体系结构论文(九十九):Large Language Models (LLMs) for Electronic Design Automation (EDA)

Large Language Models (LLMs) for Electronic Design Automation (EDA) 25SOCC这是一篇什么类型的文章这不是一篇提出单一新算法、单一新 benchmark 或单一系统的论文&#xff0c;而是一篇关于“LLM 如何进入 EDA 全流程”的综述/特邀 session 论文。它想做的事情很明确&#…...

FastAPI子应用挂载:别再让root_path坑你一夜舶

Julia&#xff08;julialang.org&#xff09;由Stefan Karpinski、Jeff Bezanson等在2009年创建&#xff0c;目标是融合Python的易用性、C的高性能、R的统计能力、Matlab的科学计算生态。 其核心设计哲学是&#xff1a; 高性能&#xff1a;编译型语言&#xff08;JIT&#xff0…...

Linux 文件权限 rwxrwxr-- 完整解析

&#x1f4cc; Linux 文件权限 rwxrwxr-- 完整解析这是 Linux 系统中文件 / 目录权限的符号表示法&#xff0c;下方的 7 6 4 是对应的八进制数字权限&#xff0c;我们一步步拆解&#xff1a;1. 权限结构与含义Linux 权限分为 3 组&#xff0c;每组 3 位&#xff0c;对应 3 类用…...

3个步骤解决跨平台应用安装难题:APK Installer的无缝集成方案

3个步骤解决跨平台应用安装难题&#xff1a;APK Installer的无缝集成方案 【免费下载链接】APK-Installer An Android Application Installer for Windows 项目地址: https://gitcode.com/GitHub_Trending/ap/APK-Installer 在数字化办公与娱乐场景中&#xff0c;Window…...

1980-2025年中国各区县逆温数据

1980&#xff5e;2025 年中国各区县逆温数据 该数据包含如下变量&#xff0c;各个变量的含义如下&#xff1a; date&#xff1a;日期 year&#xff1a;年 mnth&#xff1a;月 day&#xff1a;日 省&#xff1a;省份名称 省代码&#xff1a;省份行政区划代码 市&#xf…...