Python爬虫效率优化：单线程、多线程、多进程与协程性能对比

拾柒

发布时间：2026-10-14| 6人浏览过

原创

本文通过实测对比单线程、多线程、多进程及aiohttp协程四种方式在Python爬虫中的表现。结果显示，处理十万级页面时，aiohttp协程方案比单线程快90倍，多线程提升68倍，多进程提升7倍。文章提供了各方案的代码实现与耗时数据，为提升爬虫并发效率提供实用参考。

文 | 闲欢

来源：Python 技术「ID: pythonall」

今日浏览知乎时，留意到一个颇具探讨价值的问题：如何有效优化 Python 爬虫的运行速度？

该问题的具体描述如下：

目前正在进行一个 Python 爬虫项目的开发，使用单线程 urllib 库发现处理速度过于缓慢，无法满足十万级页面的数据抓取需求。恳请有经验的朋友分享提升爬取效率的有效方法。

此问题虽受到较多关注，但实际给出详细解答的回复并不多。

鉴于此，笔者决定尝试对此问题进行深入分析与解答。

程序性能优化的核心思路通常有两类：一是通过并发机制提升单位时间内的任务处理量；二是从程序底层逻辑寻找提效点，例如采用 gzip 压缩传输数据、优化数据处理算法等。

接下来，我将分别演示几种常见的并发处理方式，并对比它们执行相同任务时的效率差异。

基础版爬虫实现

首先，我们构建一个基础的爬虫程序，以评估单线程模式下的处理耗时。


import time
import requests
from datetime import datetime
def fetch(url):
    r = requests.get(url)
    print(r.text)
start = datetime.now() 
t1 = time.time()
for i in range(100):
    fetch('http://httpbin.org/get') 
print('requests版爬虫耗时：', time.time() - t1)
# requests版爬虫耗时：54.86306357383728

借助专用的爬虫测试网站进行实验，模拟抓取 100 次请求，实测总耗时为 54.86 秒。

多线程版爬虫实现

随后，我们将上述程序重构为多线程版本：


import threading
import time
import requests
def fetch():
    r = requests.get('http://httpbin.org/get')
    print(r.text)
t1 = time.time()
t_list = []
for i in range(100):
    t = threading.Thread(target=fetch, args=())
    t_list.append(t)
    t.start() 
for t in t_list:
    t.join() 
print("多线程版爬虫耗时：", time.time() - t1)
# 多线程版爬虫耗时：0.8038511276245117

数据显示，启用多线程后，运行速度提升了 68 倍。由于并发执行特性，抓取 100 次请求的总耗时与单次请求耗时基本相当。需注意的是，这仅为简化示例，实际应用中线程数量受系统资源限制，不可无限增加。

多进程版爬虫实现

除多线程外，利用多进程机制同样能有效提升爬虫速度：


import requests
import time
import multiprocessing
from multiprocessing import Pool
MAX_WORKER_NUM = multiprocessing.cpu_count() 
def fetch():
    r = requests.get('http://httpbin.org/get')
    print(r.text) 
if __name__ == '__main__':
    t1 = time.time()
    p = Pool(MAX_WORKER_NUM)
    for i in range(100):
        p.apply_async(fetch, args=())
    p.close()
    p.join()
 
    print('多进程爬虫耗时：', time.time() - t1)
 
多进程爬虫耗时： 7.9846765995025635

对比结果可见，多进程处理耗时约为多线程的 10 倍，相较于单线程版本，速度提升了 7 倍。

协程版爬虫实现

我们将程序调整为使用 aiohttp 库来实现异步操作，以观察其效率表现：


import aiohttp
import asyncio
import time 
async def fetch(client):
    async with client.get('http://httpbin.org/get') as resp:
        assert resp.status == 200
        return await resp.text() 
async def main():
    async with aiohttp.ClientSession() as client:
        html = await fetch(client)
        print(html) 
loop = asyncio.get_event_loop() 
tasks = []
for i in range(100):
    task = loop.create_task(main())
    tasks.append(task) 
t1 = time.time() 
loop.run_until_complete(main()) 
print("aiohttp版爬虫耗时：", time.time() - t1) 
aiohttp版爬虫耗时： 0.6133313179016113

结果显示，采用该方式实现的爬虫，相比单线程版本速度提升了 90 倍，且性能优于多线程方案。