AsyncSSH中SFTPClient.put方法的max_requests和block_size参数行为解析
2025-07-10 13:00:03作者:秋阔奎Evelyn
在AsyncSSH项目的最新版本(v2.18.0和v2.17.0)中,SFTPClient.put方法关于max_requests和block_size参数的行为存在一些需要开发者注意的特性。本文将深入分析这些参数的实际行为与文档描述的差异,帮助开发者更好地理解和使用这些功能。
参数文档描述与实际行为的差异
根据AsyncSSH官方文档,SFTPClient.put方法的block_size参数用于指定上传文件时读写请求的大小,默认值为服务器允许的最大值,如果服务器未公布限制则默认为16KB。而max_requests参数则指定并行读写请求的最大数量,默认值为128。
然而在实际使用中发现,当明确指定max_requests=1和block_size=32KB时,系统仍然会并行发送两个16KB的写请求,这与预期行为不符。这表明底层实现可能存在参数传递的问题。
问题根源分析
经过深入分析,发现问题出在SFTPFileCopier类的实现上。当SFTPClient.put方法被调用时,虽然高层参数设置正确,但在创建目标文件句柄时(_dstfs.open调用),没有将block_size和max_requests参数传递给底层文件对象。这导致底层仍然使用默认的16KB块大小,而不是用户指定的32KB。
解决方案与修复
项目维护者Ron Frederick在后续版本(v2.19.0)中修复了这个问题。主要修改包括:
- 修正了文档中的描述错误,将"when downloading the files"更正为"when uploading the files"
- 确保block_size参数在文件打开时被正确传递
- 修复了block_size=0时的特殊处理逻辑
性能优化建议
在实际使用中,开发者需要注意:
- 设置max_requests=1会显著降低SFTP传输性能,特别是对于大文件传输
- 当服务器不支持limits扩展时(如OpenSSH 8.4及以下版本),AsyncSSH会使用16KB的安全写入大小
- 在OpenSSH 8.5及以上版本中,可以利用limits扩展获得更好的性能
最佳实践
对于需要精确控制传输参数的场景,建议:
- 明确指定block_size参数,特别是在服务器不支持limits扩展时
- 避免不必要地将max_requests设置为1,除非有特殊需求
- 考虑服务器版本对功能支持的影响
- 对于性能敏感的应用,建议使用AsyncSSH 2.19.0或更高版本
通过理解这些底层行为特性,开发者可以更好地优化SFTP文件传输性能,避免潜在的性能陷阱。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
661