Python libtorrent を使用して、1 日あたり約 10k+ torrent のメタデータを取得しようとしています。
これが現在のコードの流れです
- libtorrent セッションを開始します。
- 過去 1 日以内にアップロードするメタデータが必要な torrent の総数を取得します。
- DB から torrent ハッシュをチャンクで取得する
- これらのハッシュを使用してマグネット リンクを作成し、各マグネット URI のハンドルを作成してセッションにマグネット URI を追加します。
- メタデータがフェッチされている間、1 秒間スリープし、メタデータが見つかったかどうかを確認し続けます。
- メタデータを受信した場合は、それを DB に追加します。それ以外の場合は、約 10 分間メタデータを探していたかどうかを確認します。そうである場合は、ハンドルを削除します。つまり、今のところメタデータを探す必要はありません。
- 以上を無期限に行います。将来のためにセッション状態を保存します。
これまでのところ、私はこれを試しました。
#!/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()
上記のスクリプトを一晩実行してみましたが、一晩のセッションで約 1200 の torrent のメタデータしか見つかりませんでした。そのため、スクリプトのパフォーマンスを向上させたいと考えています。
ファイルのデコードも試みましたが、接続してsave_state
いるファイルが 700 以上あることに気付きましDHT nodes
た。実行されていないのDHT
ではなく、
私が計画しているのは、keep the handles active
メタデータがフェッチされていない間、無期限にセッションに参加することです。私が現在行っているように、10分以内にメタデータがフェッチされない場合、10分後にハンドルを削除するつもりはありません。
lib-torrent python バインディングに関していくつか質問があります。
- いくつのハンドルを実行し続けることができますか? ハンドルの実行に制限はありますか?
- 10k 以上または 100k のハンドルを実行すると、システムの速度が低下しますか? またはリソースを食べますか?はいの場合、どのリソースですか?つまり、RAM、ネットワークですか?
- ファイアウォールの背後にいます。ブロックされた受信ポートが原因で、メタデータのフェッチ速度が遅くなる可能性がありますか?
- router.bittorrent.com などの DHT サーバーや他の IP アドレスを BAN して、あまりにも多くのリクエストを送信することはできますか?
- 他のピアは、私がメタデータのフェッチのためだけにあまりにも多くのリクエストを行っていることを知った場合、私の IP アドレスを BAN できますか?
- このスクリプトの複数のインスタンスを実行できますか? またはマルチスレッドである可能性がありますか?パフォーマンスが向上しますか?
- 同じスクリプトの複数のインスタンスを使用する場合、各スクリプトは、使用している IP とポートに応じて一意のノード ID を取得します。これは実行可能な解決策ですか?
より良いアプローチはありますか?私がしようとしていることを達成するために?