import requests
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry

# ============ 创建带连接池和重试机制的Session ============
def create_session():
    session = requests.Session()

    # 连接池设置: pool_connections 是主机数, pool_maxsize 是总连接数
    adapter = HTTPAdapter(
        pool_connections=10,
        pool_maxsize=50,
        max_retries=Retry(
            total=3,             # 总重试次数
            backoff_factor=0.5,  # 重试间隔时间指数退避
            status_forcelist=[500, 502, 503, 504]
        )
    )
    session.mount("http://", adapter)
    session.mount("https://", adapter)

    session.headers.update({
        "User-Agent": "DataFetcher/1.0"
    })
    return session

一、参数含义（requests → urllib3）

参数名	作用	默认值	说明
pool_connections	连接池中能同时维护的目标主机数	10	相当于最多同时为多少个不同域名创建连接池。
pool_maxsize	每个主机连接池中可同时保持的最大连接数	10	相当于每个主机最多允许多少并发请求共享连接。

主机定义规则：
requests 以 “host:port” 识别主机。例如：

https://web1.com:443 和 https://web1.com:8080 视为不同主机。

确保URL中的端口明确（或使用默认端口）。

简单理解：

1）如果你只访问一个域名（例如 web1.com），pool_maxsize 比较重要；

2）如果你同时访问多个域名（web1、web2、web3...），pool_connections 控制全局的“主机桶数”。

二、默认值及其问题

requests 默认值是：

pool_connections=10 pool_maxsize=10

这对单线程或低并发爬取是可以的，但当你：

• 启动 20 个线程；

• 并发访问同一网站；

• 或多个不同网站；

就会发现：

• 有的线程要“等连接”，因为池已满；

• 性能下降明显；

• TCP connection 不够复用。

三、最小合理配置（经验值）

并发线程数	建议配置
1–5	pool_connections=5, pool_maxsize=5
10–20	pool_connections=10, pool_maxsize=20
30–50	pool_connections=20, pool_maxsize=50
100+	pool_connections=50, pool_maxsize=100

对于你这种 20线程并发访问 web1 + web2 的场景：

adapter = HTTPAdapter(pool_connections=10, pool_maxsize=20)

已经完全足够，不需要太大。

四、配置原则总结

1）pool_maxsize ≥ 线程数

这样不会出现线程等待连接的情况。

2）pool_connections ≈ 访问网站的数量

如果你固定访问 web1、web2，各自都建一个 Session，那么 pool_connections=10 甚至 2 都可以。

3）太大没必要

超出并发量太多只会浪费内存，不会提速。

4）一个 Session 共用连接池

不要频繁创建新的 Session，否则连接池复用会失效。

五、实例推荐配置（你当前场景）

你：

• 启动 20 线程

• 两个域名（web1/web2）

• 每个域名独立 Session

推荐如下：

web1_session = create_session("web1", max_pool=20) 
web2_session = create_session("web2", max_pool=20)

在 create_session 内部：

HTTPAdapter(pool_connections=10, pool_maxsize=max_pool)

这样既高效又稳妥。