Python中requests、aiohttp、httpx性能对比

简介: 这篇文章对比了Python中三个流行的HTTP客户端库:requests、aiohttp和httpx,在发送HTTP请求时的性能,并提供了测试代码和结果,以帮助选择适合不同应用场景的库。

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
|
8天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
4天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2463 14
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
4天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1503 14
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19274 29
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18822 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17515 13
Apache Paimon V0.9最新进展
|
6天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
365 11
|
1月前
|
存储 人工智能 前端开发
AI 网关零代码解决 AI 幻觉问题
本文主要介绍了 AI Agent 的背景,概念,探讨了 AI Agent 网关插件的使用方法,效果以及实现原理。
18697 16
|
2天前
|
算法 Java
JAVA并发编程系列(8)CountDownLatch核心原理
面试中的编程题目“模拟拼团”,我们通过使用CountDownLatch来实现多线程条件下的拼团逻辑。此外,深入解析了CountDownLatch的核心原理及其内部实现机制,特别是`await()`方法的具体工作流程。通过详细分析源码与内部结构,帮助读者更好地理解并发编程的关键概念。
|
2天前
|
SQL 监控 druid
Druid连接池学习
Druid学习笔记,使用Druid进行密码加密。参考文档:https://github.com/alibaba/druid
195 82