乐码库:一个极速、放心、纯净的下载站! 更新: 资源发布
  • 您的位置:首页 > 技术文档 > Python > 基于asyncio 异步协程框架实现收集B站直播弹幕
  • 收藏本页
      基于asyncio 异步协程框架实现收集B站直播弹幕
      发布时间:2016-12-21 08:03:07 关键词: asyncio,异步协程框架,Python收集弹幕,Python,asyncio
      内容简介:本文给大家分享的是基于asyncio 异步协程框架实现收集B站直播弹幕收集系统的简单设计,并附上源码,有需要的小伙伴可以参考下

    前言

    虽然标题是全站,但目前只做了等级 top 100 直播间的全天弹幕收集。

    弹幕收集系统基于之前的B 站直播弹幕姬 Python 版修改而来。具体协议分析可以看上一篇文章。

    直播弹幕协议是直接基于 TCP 协议,所以如果 B 站对类似我这种行为做反制措施,比较困难。应该有我不知道的技术手段来检测类似我这种恶意行为。

    我试过同时连接 100 个房间,和连接单个房间 100 次的实验,都没有问题。>150 会被关闭链接。

    直播间的选取

    现在弹幕收集系统在选取直播间上比较简单,直接选取了等级 top100。

    以后会修改这部分,改成定时去 http://live.bilibili.com/all 查看新开播的直播间,并动态添加任务。

    异步任务和弹幕存储

    收集系统仍旧使用了 asyncio 异步协程框架,对于每一个直播间都使用如下方法来加进 loop 中。

    danmuji = bilibiliClient(url, self.lock, self.commentq, self.numq)
    task1 = asyncio.ensure_future(danmuji.connectServer())
    task2 = asyncio.ensure_future(danmuji.HeartbeatLoop())
    

    其实若将心跳任务 HeartbeatLoop 放入 connectorServer 中去启动,代码看起来更优雅一些。但这么做是因为我需要维护一个任务列表,后面会有描述。

    在弹幕存储上我花了些时间选择。

    数据库存储是一个同步 IO 的过程,Insert 的时候会阻塞弹幕收集的任务。虽然有 aiomysql 这种异步接口,但配置数据库太麻烦,我的设想是这个小系统能够方便地部署。

    最终我选择使用自带的 sqlite3。但 sqlite3 无法做并行操作,故开了一个线程单独进行数据库存储。在另一个线程中,100 * 2 个任务搜集所有的弹幕、人数信息,并塞进队列 commentq, numq 中。存储线程每隔 10s 唤醒一次,将队列中的数据写进 sqlite3 中,并清空队列。

    在多线程和异步的配合下,网络流量没有被阻塞。

    可能的连接失败场景处理

    弹幕协议是直接基于 TCP,位与位直接关联性较强,一旦解析错误,很容易就抛 Exception(个人感觉,虽然 TCP 是可靠传输,但B站服务器自身发生错误也是有可能的)。所以有必要设计一个自动重连机制。

    在 asyncio 文档中提到,

    Done means either that a result / exception are available, or that the future was cancelled.

    函数正常返回、抛出异常或者是被 cancel,都会退出当前任务。可以使用 done() 来判断。

    每一个直播间对应两个任务,解析任务是最容易挂的,但并不会影响心跳任务,所以必须找出并将对应心跳任务结束。
    在创建任务的时候使用字典记录每个房间的两个任务,

    <code>self.tasks[url] = [task1, task2]</code>

    在运行过程中,每隔 10s 做一次检查,

    for url in self.tasks:
      item = self.tasks[url]
      task1 = item[0]
      task2 = item[1]
      if task1.done() == True or task2.done() == True:
        if task1.done() == False:
          task1.cancel()
        if task2.done() == False:
          task2.cancel()
        danmuji = bilibiliClient(url, self.lock, self.commentq, self.numq)
        task11 = asyncio.ensure_future(danmuji.connectServer())
        task22 = asyncio.ensure_future(danmuji.HeartbeatLoop())
        self.tasks[url] = [task11, task22]
    

    实际我只见过一次任务失败的场景,是因为主播房间被封了,导致无法进入直播间。

    结论

    1. B站人数是按照连接弹幕服务器的链接数量统计的。通过操纵链接量,可以瞬间增加任意人数观看,有商机?
    2. 运行的这几天中,发现即使大部分房间不在直播,也能有 >5 的人数,包括凌晨。我只能猜测也有和我一样的人在 24h 收集弹幕。
    3. top100 平均一天 40M 弹幕数据。
    4. 收集的弹幕能做什么?还没想好,可能可以拿来做用户行为分析 -_^

    最后附上本源码的GITHUB地址 https://github.com/lyyyuna/bilibili_danmu_colloector

      最新更新
      热门排行榜