我正在使用 htmlunit 开发一个网络爬虫,并且添加了所有必需的超时,但我注意到当我使用 Java VisualVM 进行线程转储时,某些网站的服务器没有响应时,应用程序会挂起:
java.lang.Thread.State: RUNNABLE
at java.net.SocketInputStream.socketRead0(Native Method)
at java.net.SocketInputStream.read(SocketInputStream.java:129)
at java.net.SocksSocketImpl.readSocksReply(SocksSocketImpl.java:88)
at java.net.SocksSocketImpl.connect(SocksSocketImpl.java:429)
at java.net.Socket.connect(Socket.java:525)
at com.gargoylesoftware.htmlunit.SocksSocketFactory.connectSocket(SocksSocketFactory.java:89)
at org.apache.http.impl.conn.DefaultClientConnectionOperator.openConnection(DefaultClientConnectionOperator.java:148)
at org.apache.http.impl.conn.AbstractPoolEntry.open(AbstractPoolEntry.java:149)
at org.apache.http.impl.conn.AbstractPooledConnAdapter.open(AbstractPooledConnAdapter.java:121)
at org.apache.http.impl.client.DefaultRequestDirector.tryConnect(DefaultRequestDirector.java:573)
at org.apache.http.impl.client.DefaultRequestDirector.execute(DefaultRequestDirector.java:425)
at org.apache.http.impl.client.AbstractHttpClient.execute(AbstractHttpClient.java:820)
at org.apache.http.impl.client.AbstractHttpClient.execute(AbstractHttpClient.java:776)
at com.gargoylesoftware.htmlunit.HttpWebConnection.getResponse(HttpWebConnection.java:152)
at app.plugin.core.net.QHttpWebConnection.getResponse(QHttpWebConnection.java:30)
at com.gargoylesoftware.htmlunit.WebClient.loadWebResponseFromWebConnection(WebClient.java:1439)
at com.gargoylesoftware.htmlunit.WebClient.loadWebResponse(WebClient.java:1358)
at com.gargoylesoftware.htmlunit.WebClient.getPage(WebClient.java:307)
at com.gargoylesoftware.htmlunit.WebClient.getPage(WebClient.java:373)
at com.gargoylesoftware.htmlunit.WebClient.getPage(WebClient.java:358)
这真的很令人沮丧,因为我无法控制这些服务器。这个问题严重影响了我的应用程序的性能。
问题:
- 我该如何解决这个问题?
- 有没有办法获取 Java 应用程序打开的套接字连接列表并使用它来终止套接字,就像模拟服务器关闭连接一样?
我相信,当您使用 Java 本机方法时,即使调用实际上被阻止等待某个事件,堆栈跟踪也会显示 RUNNABLE。本质上,我不相信 Java 有任何方法知道本机方法实际上在做什么,因此它将这些调用标记为 RUNNABLE。我在socketRead0() 和socketAccept() 中看到了这一点——两者通常都会阻塞。
您需要将超时设置为合理的时间长度,这样如果服务器没有响应,您的请求就会超时,但也不能太短,以防服务器太忙。您的应用程序应该编写为使用多线程。我会尝试运行十几个或更多线程,并让每个线程等待五到十秒以获得响应。让少数线程等待实际上没有任何开销。在编写网络蜘蛛时,您还应该注意不要用大量请求轰炸服务器。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)