crawler_JVM_DNS_在爬虫中的应用

DNS解析：即由域名经过dns解析，跳转到真正服务器的地址，这个重复解析的耗时占请求很大比例。在设计爬虫时比较细粒度的控制下，需要考虑dns解析。 jdk从1.5往后对dns缓存有默认设置，

详见jdk源码，不过有部分细节还是需要自己去处理的。

JAVA本身对DNS的缓存时间是多久？

对于爬虫DNS解析耗时的疑问，第一反应Google之，大致有两种说法：
第1种：默认情况下networkaddress.cache.ttl=-1，代表永久缓存（配置文件路径： JAVA_HOME/jre/lib/security/java.security），就是在应用启动之后第一次DNS 解析成功的结果会一直cache到应用停止。显然在域名对应的IP有变更的时候，如果不重启应用就会造成故障。有部分同事以前也做过相关测试，认同这种说法。

第2种：jdk1.5和1.5之前的版本默认DNS 缓存时间是永久缓存，jdk 1.6以后与security manager策略有关，如果没有启用security manager ，默认DNS 缓存时间30秒。策略配置文件：JAVA_HOME/jre/lib/security/java.policy

测试code

 1 import java.net.InetAddress;
 2 
 3 /**
 4  * @declare: DNS缓存研究 <br>
 5  * @author: cphmvp
 6  * @version: 1.0
 7  * @date: 2014-3-17下午5:37:07
 8  */
 9 public class MyDNS {
10     // jvm dns缓存研究
11     public static void main(String[] args) throws Exception {
12         String hostName = "www.baidu.com";
13         String cacheTime = "10";
14         java.security.Security.setProperty("networkaddress.cache.ttl",
15                 cacheTime);
16         for (int i = 0; i < 100; i++) {
17             long time = System.currentTimeMillis();
18             InetAddress addresses1[] = InetAddress.getAllByName(hostName);
19             System.out.println("addresses1:   "
20                     + String.valueOf(System.currentTimeMillis() - time) + "毫秒");
21             for (InetAddress address : addresses1)
22                 System.out.println(address);
23         }
24         // 当缓存时间为 0时，在一百次访问www.baidu.com 都有耗时情况【未考虑操作系统缓存】
25         // 当缓存时间为 10时，在一百次访问www.baidu.com ，只有第一次耗时，后99次不消耗dns查找时间
26         // 如果不设置 networkaddress.cache.ttl，默认为-1
27         // ，只有第一次耗时，后99次不消耗dns查找时间【后多少次都不在耗时，直至JVM重启】
28     }
29 }

默认JVM会缓存每一次DNS的查询结果，并且使缓存结果永远有效，直到你对该JVM重启为止。有时候业务需要系统能对域名切换及时而自动进行切换。这时候你就需要禁用或调整JVM的DNS缓存机制。

在独立运行程序中（非容器环境），可以在应用启动的时候通过以下代码完成：

//设置解析成功的域名记录JVM中缓存的有效时间，JVM默认是永远有效，这样一来域名IP重定向必须重启JVM，这里修改为3秒钟有效，0表示禁止缓存，-1表示永远有效
Security.setProperty("networkaddress.cache.ttl", "3");

//设置解析失败的域名记录JVM中缓存的有效时间，JVM默认是10秒，0表示禁止缓存，-1表示永远有效
Security.setProperty("networkaddress.cache.negative.ttl", "3");


代码中设置“networkaddress.cache.ttl”值的方式只适用于非容器环境，当应用部署与resin等容器中时该设置控制不了JVM的行为。可行的办法是通过在容器的启动参数中设置JDK系统变量“sun.net.inetaddr.ttl“或“sun.net.inetaddr.negative.ttl”，该参数跟“networkaddress.cache.ttl”和“networkaddress.cache.negative.ttl”的值定义一样，只是一个用于命令行，一个用于程序内部。具体操作方法：
修改httpd.sh，在"args="选项添加参数，如：-Dsun.net.inetaddr.ttl=0

如果非Resin容器的Java应用中同时配置了命令参数“sun.net.inetaddr.ttl”和Security属性“networkaddress.cache.ttl”，那么会以Security属性的设置为准。

结论：

方法一：设置jvm参数，制定缓存有效期

方法二：硬编码，java.security.Security.setProperty("networkaddress.cache.ttl",cacheTime); 设置有效期。

一般情况下我们不需要完全取消JVM的DNS缓存，只需要调小有效时间，经过一些测试发现一下结论：
1）1个域名对应一个IP和一个域名对应12个IP，DNS查询响应时间差别极少，后者占用cpu稍高一点点；
2）在高并发时，不做DNS缓存时的CPU耗用比做了3s缓存的CPU耗用要高3/4倍，实时DNS请求相当耗用CPU；
3）3s和30s缓存有效时间对dns查询响应时间的影响差别不大，cpu内存占用都比较接近；
4）建议使用3秒缓存，兼顾运维和性能,对于不常改动指向ip的域名，可以设置时间更长，以提高性能。