使用Python libtorrent创建守护进程以获取100k +种子的元数据
我正在尝试使用python libtorrent获取每天大约10k + torrents的元数据。
这是目前的代码流
到目前为止，我已经尝试过。
#!/usr/bin/env python
# this file will run as client or daemon and fetch torrent meta data i.e. torrent files from magnet uri
import libtorrent as lt # libtorrent library
import tempfile # for settings parameters while fetching metadata as temp dir
import sys #getting arguiments from shell or exit script
from time import sleep #sleep
import shutil # removing directory tree from temp directory
import os.path # for getting pwd and other things
from pprint import pprint # for debugging, showing object data
import MySQLdb # DB connectivity
import os
from datetime import date, timedelta
session = lt.session(lt.fingerprint("UT", 3, 4, 5, 0), flags=0)
session.listen_on(6881, 6891)
session.add_extension('ut_metadata')
session.add_extension('ut_pex')
session.add_extension('smart_ban')
session.add_extension('metadata_transfer')
session_save_filename = "/magnet2torrent/magnet_to_torrent_daemon.save_state"
if(os.path.isfile(session_save_filename)):
fileread = open(session_save_filename, 'rb')
session.load_state(lt.bdecode(fileread.read()))
fileread.close()
print('session loaded from file')
else:
print('new session started')
session.add_dht_router("router.utorrent.com", 6881)
session.add_dht_router("router.bittorrent.com", 6881)
session.add_dht_router("dht.transmissionbt.com", 6881)
session.add_dht_router("dht.aelitis.com", 6881)
session.start_dht()
session.start_lsd()
session.start_upnp()
session.start_natpmp()
alive = True
while alive:
db_conn = MySQLdb.connect( host = '', user = '', passwd = '', db = '', unix_socket='/mysql/mysql.sock') # Open database connection
#print('reconnecting')
#get all records where enabled = 0 and uploaded within yesterday
subset_count = 100 ;
yesterday = date.today() - timedelta(1)
yesterday = yesterday.strftime('%Y-%m-%d %H:%M:%S')
#print(yesterday)
total_count_query = ("SELECT COUNT(*) as total_count FROM content WHERE upload_date > '"+ yesterday +"' AND enabled = '0' ")
#print(total_count_query)
try:
total_count_cursor = db_conn.cursor()# prepare a cursor object using cursor() method
total_count_cursor.execute(total_count_query) # Execute the SQL command
total_count_results = total_count_cursor.fetchone() # Fetch all the rows in a list of lists.
total_count = total_count_results[0]
print(total_count)
except:
print "Error: unable to select data"
total_pages = total_count/subset_count
#print(total_pages)
current_page = 1
while(current_page <= total_pages):
from_count = (current_page * subset_count) - subset_count
#print(current_page)
#print(from_count)
hashes = []
get_mysql_data_query = ("SELECT hash FROM content WHERE upload_date > '" + yesterday +"' AND enabled = '0' ORDER BY record_num DESC LIMIT "+ str(from_count) +" , " + str(subset_count) +" ")
#print(get_mysql_data_query)
try:
get_mysql_data_cursor = db_conn.cursor()# prepare a cursor object using cursor() method
get_mysql_data_cursor.execute(get_mysql_data_query) # Execute the SQL command
get_mysql_data_results = get_mysql_data_cursor.fetchall() # Fetch all the rows in a list of lists.
for row in get_mysql_data_results:
hashes.append(row[0].upper())
except:
print "Error: unable to select data"
#print(hashes)
handles = []
for hash in hashes:
tempdir = tempfile.mkdtemp()
add_magnet_uri_params = {
'save_path': tempdir,
'duplicate_is_error': True,
'storage_mode': lt.storage_mode_t(2),
'paused': False,
'auto_managed': True,
'duplicate_is_error': True
}
magnet_uri = "magnet:?xt=urn:btih:" + hash.upper() + "&tr=udp%3A%2F%2Ftracker.openbittorrent.com%3A80&tr=udp%3A%2F%2Ftracker.publicbt.com%3A80&tr=udp%3A%2F%2Ftracker.ccc.de%3A80"
#print(magnet_uri)
handle = lt.add_magnet_uri(session, magnet_uri, add_magnet_uri_params)
handles.append(handle) #push handle in handles list
#print("handles length is :")
#print(len(handles))
while(len(handles) != 0):
for h in handles:
#print("inside handles for each loop")
if h.has_metadata():
torinfo = h.get_torrent_info()
final_info_hash = str(torinfo.info_hash())
final_info_hash = final_info_hash.upper()
torfile = lt.create_torrent(torinfo)
torcontent = lt.bencode(torfile.generate())
tfile_size = len(torcontent)
try:
insert_cursor = db_conn.cursor()# prepare a cursor object using cursor() method
insert_cursor.execute("""INSERT INTO dht_tfiles (hash, tdata) VALUES (%s, %s)""", [final_info_hash , torcontent] )
db_conn.commit()
#print "data inserted in DB"
except MySQLdb.Error, e:
try:
print "MySQL Error [%d]: %s" % (e.args[0], e.args[1])
except IndexError:
print "MySQL Error: %s" % str(e)
shutil.rmtree(h.save_path()) # remove temp data directory
session.remove_torrent(h) # remove torrnt handle from session
handles.remove(h) #remove handle from list
else:
if(h.status().active_time > 600): # check if handle is more than 10 minutes old i.e. 600 seconds
#print('remove_torrent')
shutil.rmtree(h.save_path()) # remove temp data directory
session.remove_torrent(h) # remove torrnt handle from session
handles.remove(h) #remove handle from list
sleep(1)
#print('sleep1')
#print('sleep10')
#sleep(10)
current_page = current_page + 1
#save session state
filewrite = open(session_save_filename, "wb")
filewrite.write(lt.bencode(session.save_state()))
filewrite.close()
print('sleep60')
sleep(60)
#save session state
filewrite = open(session_save_filename, "wb")
filewrite.write(lt.bencode(session.save_state()))
filewrite.close()
我试图在上面的脚本上运行一夜，发现在隔夜会话中只发现大约1200个洪流的元数据。 所以我正在寻找改进脚本的性能。
我甚至尝试解码save_state文件，并注意到有700多个DHT nodes连接到。 所以它不像DHT没有运行，
我打算做的是，无限期地keep the handles active ，而不提取元数据。 如果10分钟内没有获取元数据，10分钟后就不会去除句柄，就像我目前正在做的那样。
我有几个关于lib-torrent python绑定的问题。
有没有更好的方法？ 为了实现我所尝试的？
我无法回答特定于libtorrent API的问题，但您的一些问题一般适用于bittorrent。
将运行10k +或100k手柄减慢我的系统？ 或吃掉资源？ 如果是，那么哪些资源？ 我的意思是内存，网络？
元数据下载不应该占用太多资源，因为它们还没有完整的torrent下载，即它们不能分配实际的文件或类似的东西。 但是一旦他们抓住了第一部分元数据，他们将需要一些内存/磁盘空间用于元数据本身。
我在防火墙后面，可能是阻塞的传入端口，导致元数据获取速度慢？
是的，通过减少可建立连接的对等点的数量，在具有较低对等点数的群集上获取元数据（或根本建立任何连接）变得更加困难。
NAT可能会导致相同的问题。
DHT服务器可以像router.bittorrent.com或任何其他BAN我的IP地址发送太多的请求？
router.bittorrent.com是一个引导节点，而不是服务器本身。 查找不查询单个节点，他们查询许多不同（数以百万计）。 但是，是的，个别节点可以禁止，或更可能限制您的速度。
这可以通过查找随机分布的ID来分散DHT密钥空间中的负载来缓解。
我可以运行这个脚本的多个实例吗？ 或者可能是多线程？ 它会提供更好的性能？
AIUI libtorrent是非阻塞或多线程的，您可以一次安排多个种子。
我不知道libtorrent是否有DHT请求传出的速率限制。
如果使用同一个脚本的多个实例，每个脚本将根据我使用的ip和端口获得唯一的节点ID，这种可行的解决方案是什么？
如果您的意思是DHT节点ID，那么它们是从IP（按照BEP 42）派生的，而不是端口。 虽然包含了一些随机元素，但是每个IP可以获得有限数量的ID。
其中一些可能也适用于您的情况：http://blog.libtorrent.org/2012/01/seeding-a-million-torrents/
另一种选择是我自己的DHT实施，其中包括一个批量获取种子的CLI。
链接地址: http://www.djcxy.com/p/29443.html上一篇: creating daemon using Python libtorrent for fetching meta data of 100k+ torrents
下一篇: Setting up Mesos with Ansible on Ubuntu 14.04 on Digital Ocean