Я пытаюсь получить метаданные около 10 000 торрентов в день, используя python libtorrent.
Это текущий поток кода
- Запустите сеанс libtorrent.
- Получите общее количество торрентов, которые нам нужны метаданные для загрузки за последний 1 день.
- получить хеши торрентов из БД кусками
- создайте магнитную ссылку, используя эти хэши, и добавьте эти магнитные URI в сеанс, создав дескриптор для каждого магнитного URI.
- засыпайте на секунду, пока извлекаются метаданные, и продолжайте проверять, найдены ли метаданные или нет.
- Если метаданные получены, добавьте их в БД, иначе проверьте, искали ли мы метаданные около 10 минут, если да, то удалите дескриптор, т.е. больше не ищите метаданные.
- делать выше бесконечно. и сохранить состояние сеанса на будущее.
до сих пор я пробовал это.
#!/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()
Я попытался сохранить вышеприведенный скрипт, работающий на ночь, и обнаружил, что только метаданные 1200 торрентов найдены в ночном сеансе. поэтому я ищу улучшение производительности скрипта.
Я даже пытался расшифровать файл save_state и заметил, что есть более 700 DHT nodes, к которым я подключен. так что дело не в том, что DHT не работает,
Что я планирую сделать, так это keep the handles active в сеансе на неопределенный срок, пока метаданные не будут получены. и не собираюсь удалять дескрипторы через 10 минут, если в течение 10 минут не будут получены метаданные, как я сейчас это делаю.
У меня есть несколько вопросов относительно привязок Python к lib-torrent.
- Сколько ручек я могу продолжать работать? есть ли ограничения на запуск дескрипторов?
- Замедлит ли запуск 10k+ или 100k дескрипторов мою систему? или жрать ресурсы? если да то какие ресурсы? Я имею в виду оперативную память, сеть?
- Я нахожусь за брандмауэром, может ли быть заблокированный входящий порт, вызывающий медленную скорость выборки метаданных?
- может ли сервер DHT, такой как router.bittorrent.com или любой другой, заблокировать мой IP-адрес за отправку слишком большого количества запросов?
- Могут ли другие одноранговые узлы заблокировать мой IP-адрес, если узнают, что я делаю слишком много запросов только для получения метаданных?
- могу ли я запустить несколько экземпляров этого скрипта? или может быть многопоточности? даст ли это лучшую производительность?
- при использовании нескольких экземпляров одного и того же скрипта каждый скрипт получит уникальный идентификатор узла в зависимости от используемого IP-адреса и порта, является ли это жизнеспособным решением?
Есть ли лучший подход? для достижения того, что я пытаюсь?
