Go语言爬虫库Colly：队列线程数与请求延迟的实际影响
本文探讨Go语言爬虫库Colly中queue线程数设置及其与请求延迟的交互作用。 我们将分析设定线程数和请求延迟后，实际爬取过程中的表现差异。
假设我们设置队列线程数为2：
q, _ := queue.New(2, storage)
并向其中添加三个请求。同时，为collector设置5秒的请求延迟：
c.Limit(&colly.LimitRule{DomainGlob: "*", Delay: 5 * time.Second})
预期是：两个线程几乎同时发出前两个请求，并在5秒后得到响应；第三个请求在10秒后发出并响应。然而，实际结果并非如此：
- 前两个请求被创建。
- 5秒后，第一个请求响应。
- 第三请求随即创建。
- 另5秒后，第二个请求响应。
- 再5秒后，第三个请求响应。
这表明Colly的请求延迟并非仅作用于单个请求，而是影响整个队列的处理。 如果设置了请求延迟，队列线程数的设置似乎失效。
这种现象的原因可能有：
-
请求处理的串行化: 尽管设置了两个线程，但由于
collector的延迟设置，每个请求必须在前一个请求完成之后才能开始。 这导致实际处理过程变成了串行。 - 延迟的累积效应: 第一个请求响应耗时5秒，第二个请求延迟5秒后才开始，第三个请求则在第二个请求响应后才开始，延迟效果累积，每个请求都需要等待前一个请求的完成。
关于Colly的OnRequest回调函数，需要注意的是，它主要用于创建请求，而非实际发出请求。请求加入队列后OnRequest触发，而请求的实际发出由Colly内部机制控制。
因此，在Colly中使用queue时，如果设置了请求延迟，线程数设置可能无法达到预期效果。 理解这种机制对于优化爬虫程序至关重要。
