基于asyncio 異步協(xié)程框架實(shí)現(xiàn)收集B站直播彈幕

更新時(shí)間：2016年09月11日 10:11:57 作者：liyiyang

本文給大家分享的是基于asyncio 異步協(xié)程框架實(shí)現(xiàn)收集B站直播彈幕收集系統(tǒng)的簡(jiǎn)單設(shè)計(jì)，并附上源碼，有需要的小伙伴可以參考下

前言

雖然標(biāo)題是全站，但目前只做了等級(jí) top 100 直播間的全天彈幕收集。

彈幕收集系統(tǒng)基于之前的B 站直播彈幕姬 Python 版修改而來(lái)。具體協(xié)議分析可以看上一篇文章。

直播彈幕協(xié)議是直接基于 TCP 協(xié)議，所以如果 B 站對(duì)類似我這種行為做反制措施，比較困難。應(yīng)該有我不知道的技術(shù)手段來(lái)檢測(cè)類似我這種惡意行為。

我試過(guò)同時(shí)連接 100 個(gè)房間，和連接單個(gè)房間 100 次的實(shí)驗(yàn)，都沒(méi)有問(wèn)題。>150 會(huì)被關(guān)閉鏈接。

直播間的選取

現(xiàn)在彈幕收集系統(tǒng)在選取直播間上比較簡(jiǎn)單，直接選取了等級(jí) top100。

以后會(huì)修改這部分，改成定時(shí)去 http://live.bilibili.com/all 查看新開(kāi)播的直播間，并動(dòng)態(tài)添加任務(wù)。

異步任務(wù)和彈幕存儲(chǔ)

收集系統(tǒng)仍舊使用了 asyncio 異步協(xié)程框架，對(duì)于每一個(gè)直播間都使用如下方法來(lái)加進(jìn) loop 中。

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

其實(shí)若將心跳任務(wù) HeartbeatLoop 放入 connectorServer 中去啟動(dòng)，代碼看起來(lái)更優(yōu)雅一些。但這么做是因?yàn)槲倚枰S護(hù)一個(gè)任務(wù)列表，后面會(huì)有描述。

在彈幕存儲(chǔ)上我花了些時(shí)間選擇。

數(shù)據(jù)庫(kù)存儲(chǔ)是一個(gè)同步 IO 的過(guò)程，Insert 的時(shí)候會(huì)阻塞彈幕收集的任務(wù)。雖然有 aiomysql 這種異步接口，但配置數(shù)據(jù)庫(kù)太麻煩，我的設(shè)想是這個(gè)小系統(tǒng)能夠方便地部署。

最終我選擇使用自帶的 sqlite3。但 sqlite3 無(wú)法做并行操作，故開(kāi)了一個(gè)線程單獨(dú)進(jìn)行數(shù)據(jù)庫(kù)存儲(chǔ)。在另一個(gè)線程中，100 * 2 個(gè)任務(wù)搜集所有的彈幕、人數(shù)信息，并塞進(jìn)隊(duì)列 commentq, numq 中。存儲(chǔ)線程每隔 10s 喚醒一次，將隊(duì)列中的數(shù)據(jù)寫(xiě)進(jìn) sqlite3 中，并清空隊(duì)列。

在多線程和異步的配合下，網(wǎng)絡(luò)流量沒(méi)有被阻塞。

可能的連接失敗場(chǎng)景處理

彈幕協(xié)議是直接基于 TCP，位與位直接關(guān)聯(lián)性較強(qiáng)，一旦解析錯(cuò)誤，很容易就拋 Exception（個(gè)人感覺(jué)，雖然 TCP 是可靠傳輸，但B站服務(wù)器自身發(fā)生錯(cuò)誤也是有可能的）。所以有必要設(shè)計(jì)一個(gè)自動(dòng)重連機(jī)制。

在 asyncio 文檔中提到，

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

函數(shù)正常返回、拋出異?；蛘呤潜?cancel，都會(huì)退出當(dāng)前任務(wù)?？梢允褂?done() 來(lái)判斷。

每一個(gè)直播間對(duì)應(yīng)兩個(gè)任務(wù)，解析任務(wù)是最容易掛的，但并不會(huì)影響心跳任務(wù)，所以必須找出并將對(duì)應(yīng)心跳任務(wù)結(jié)束。
在創(chuàng)建任務(wù)的時(shí)候使用字典記錄每個(gè)房間的兩個(gè)任務(wù)，

self.tasks[url] = [task1, task2]

在運(yùn)行過(guò)程中，每隔 10s 做一次檢查，

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]

實(shí)際我只見(jiàn)過(guò)一次任務(wù)失敗的場(chǎng)景，是因?yàn)橹鞑シ块g被封了，導(dǎo)致無(wú)法進(jìn)入直播間。

結(jié)論

B站人數(shù)是按照連接彈幕服務(wù)器的鏈接數(shù)量統(tǒng)計(jì)的。通過(guò)操縱鏈接量，可以瞬間增加任意人數(shù)觀看，有商機(jī)？
運(yùn)行的這幾天中，發(fā)現(xiàn)即使大部分房間不在直播，也能有 >5 的人數(shù)，包括凌晨。我只能猜測(cè)也有和我一樣的人在 24h 收集彈幕。
top100 平均一天 40M 彈幕數(shù)據(jù)。
收集的彈幕能做什么？還沒(méi)想好，可能可以拿來(lái)做用戶行為分析 -_^

最后附上本源碼的GITHUB地址 https://github.com/lyyyuna/bilibili_danmu_colloector

您可能感興趣的文章: