详解python并发获取snmp信息及性能测试

1、详解pythons发获取snmp信息及性能测试python&snmp用python取snmp言息有多个现成的库可以使用，其中比较常用的是ntsnmi和pysnmp两个库。网上有较多的关于两个库的例子。本文重点在于如何并发的获取snmp的数据，即同时获取多台机器的snmp言息。netsnmp先说ntsnmppythor的ntsnmp其实是来自于ntsn包ppython通过一个文件调用ntsn的接口获取数据。因此，在并发获取多台机器的时候，不能够使用协程获取。因为使用协程，在数据的时候，协程会一直等待ntsnmp!返回数据，而不会像so使用时那样在等待数据时把切换给其他协程使用。从这点上来说，使用

2、协程和串行获取没有区别。那么如何解决并发获取的问题呢？可以使用线程，多线程获取当然也可以使用多进程。多个线程同时调用ntsn的接口获取数据，然后p在多个线程之间不停切换。当一个线程获取一个结果后，可以继续调用接口获取下一个snmp数据。这里我写了一个样例程序。首先把所有的host和o做成任务放到队列里，然后启动多个线程，去执行获取任务。程序样例如下：mpotthnimporttimempotntsnmpmpotstttmtmtmhostsmy把host和o组成任务ohostinhosts:foroidinoidsmyq.pthostoefpoll_one_host()whiletry:死循环从

3、队列中获取任务，直到队列任务为空host,oimyt(block=False)sessionntsnmpession(sonstosthostommntyststntsnmpist()st.append(netsnmp.Varbind(oidret=session.get(ist)pt(host,oid,t(time.time(stttmptmptythread_arr=#开启多线程num_thread=50foriinrange(num_thread):t=threading.Thread(target=poll_one_host,kwargs=)t.setDaemon(True)t.sta

4、rt()thread_arr.append(t)#等待任务执行完毕foriinrange(num_thread):thread_arri.join()whileTrue:try:info=rq.get(block=False)printinfoexceptQueue.Empty:printtime.time()-start_timebreaknetsnmp除了支持get操作之外，还支持walk操作，即遍历某个oid。但是walk使用的时候需要谨慎，以免导致高延时等问题，具体可以参见之前的一篇jnmpwalk高延时问题分析的博客。pysnmppysnmp是用python实现的一套snmp协议的库

5、。其自身提供了对于异步的支持。importtimeimportQueuefrompysnmp.hlapi.asyncoreimport*t=time.time()myq=Queue.Queue()#回调函数。在有数据返回时触发defcbFun(snmpEngine,sendRequestHandle,errorIndication,errorStatus,errorIndex,varBinds,cbCtx):myq.put(time.time()-t,varBinds)hosts=192.20.150.109,192.20.150.110,192.20.150.111,192.20.150.1

6、12,192.20.150.113,192.20.150.114,192.20.150.115,192.20.150.116,192.20.150.117,192.20.150.118,192.20.150.119,192.20.150.120,192.20.150.121,192.20.80.148,192.20.80.149,192.20.96.59,192.20.82.14,192.20.82.15,192.20.82.17,192.20.82.19,192.20.82.12,192.20.80.139,192.20.80.137,192.20.80.136,192.20.80.134,

7、192.20.80.133,192.20.80.131,192.20.80.130,192.20.81.141,192.20.81.140,192.20.82.26,192.20.82.28,192.20.82.23,192.20.82.21,192.20.80.128,192.20.80.127,192.20.80.122,192.20.81.159,192.20.80.121,192.20.80.124,192.20.81.151,192.20.80.118,192.20.80.119,192.20.80.113,192.20.80.112,192.20.80.116,192.20.80.

8、115,192.20.78.62,192.20.81.124,192.20.81.125,192.20.81.122,192.20.81.121,192.20.82.33,192.20.82.31,192.20.82.32,192.20.82.30,192.20.81.128,192.20.82.39,192.20.82.37,192.20.82.35,192.20.81.130,192.20.80.200,192.20.81.136,192.20.81.137,192.20.81.131,192.20.81.133,192.20.81.134,192.20.82.43,192.20.82.4

9、5,192.20.82.41,192.20.79.152,192.20.79.155,192.20.79.154,192.25.76.235,192.25.76.234,192.25.76.233,192.25.76.232,192.25.76.231,192.25.76.228,192.25.20.96,192.25.20.95,192.25.20.94,192.25.20.93,192.24.163.14,192.24.163.21,192.24.163.29,192.24.163.6,192.18.136.22,192.18.136.23,192.24.193.2,192.24.193.

10、19,192.24.193.18,192.24.193.11,192.20.157.132,192.20.157.133,192.24.212.232,192.24.212.231,192.24.212.230oids=.1.3.6.1.4.1.2021.11.9.0,.1.3.6.1.4.1.2021.11.10.0,.1.3.6.1.4.1.2021.11.11.0,.1.3.6.1.4.1.2021.10.1.3.1,.1.3.6.1.4.1.2021.10.1.3.2,.1.3.6.1.4.1.2021.10.1.3.3,.1.3.6.1.4.1.2021.4.6.0,.1.3.6.1

11、.4.1.2021.4.14.0,.1.3.6.1.4.1.2021.4.15.0snmpEngine=SnmpEngine()#添加任务foroidinoids:forhinhosts:getCmd(snmpEngine,CommunityData(cluster),UdpTransportTarget(h,161),timeout=3,retries=0,),ContextData(),ObjectType(ObjectIdentity(oid),cbFun=cbFun)time1=time.time()-t#执行异步获取snmpsnmpEngine.transportDispatcher.runDispatcher()打印结果eue:e(cse)eceeeeee()es本身只支持最基础的e和e命令，因此如果想使用,需要自己进行实现。性能测试在同一个环境下，对两者进行了性能测试。两者对个s个进行釆集。测试组耗时（sec）es线程）es线程）es线程）pysnmp4.812可以看到es的釆集速度跟线程数有关。当线程数增大到一定程度，釆集时间不再缩短。因为开辟线程同样会消耗时间。而已有的线程已经足够处理。s性能较之略差一下。详细分析s在添加任务（执行e时）消耗了约，之后的釆集约消耗秒。在增加了数，在进行实