Tutorials

验证码解决吞吐量:如何每小时处理 10,000 个任务

每小时稳定跑到 10,000 个验证码,靠的不是让单次识别变快,而是把足够多请求同时放在飞行中——这是并发数学题,不是速度题。

CaptchaAI 配合异步提交/轮询架构,普通云主机即可撑住。本文给出算法、可直接跑的 Python/Node.js 代码和调优参数。

先算清楚:需要多少并发

单个 reCAPTCHA v2 识别耗时约 15 秒(中位数):

处理方式 吞吐量
顺序处理 3,600 秒 ÷ 15 秒 = 每小时 240 次,离目标差了 40 多倍
并发处理(约 42 路任务同时在途) 满足 10,000/hour 目标

核心逻辑:不是等 CaptchaAI 更快,而是让请求相互重叠,在同一个 15 秒窗口里跑完 42 个任务。并发数并非越高越好,上限见下方调优参数。

架构:四个组件

┌──────────┐     ┌────────────┐     ┌─────────────┐     ┌──────────┐
│  Task     │────▶│  Submit    │────▶│  CaptchaAI  │────▶│  Result  │
│  Queue    │     │  Workers   │     │  API        │     │  Store   │
│  (Redis)  │     │  (async)   │     │             │     │  (DB)    │
└──────────┘     └────────────┘     └─────────────┘     └──────────┘
                       │                    ▲
                       │    ┌──────────┐    │
                       └───▶│  Poll    │────┘
                            │  Workers │
                            └──────────┘

四个组件:

组件 作用
任务队列 保存待处理任务的 sitekey 和 pageurl
提交 worker 并发把任务发给 CaptchaAI API
轮询 worker 按间隔查询结果
结果存储 token 到达即落库

Python 异步管道实现

# high_throughput_solver.py
import os
import asyncio
import time
import aiohttp

API_KEY = os.environ.get("CAPTCHAAI_KEY", "YOUR_API_KEY")
BASE_URL = "https://ocr.captchaai.com"
MAX_CONCURRENT = 50  # Max simultaneous solves
POLL_INTERVAL = 5    # Seconds between polls
INITIAL_WAIT = 12    # Seconds before first poll

semaphore = asyncio.Semaphore(MAX_CONCURRENT)
stats = {"submitted": 0, "solved": 0, "failed": 0, "start": 0}

async def solve_one(session, sitekey, pageurl, task_num):
    """Submit and poll a single CAPTCHA."""
    async with semaphore:
        try:
            # Submit
            async with session.get(f"{BASE_URL}/in.php", params={
                "key": API_KEY, "method": "userrecaptcha",
                "googlekey": sitekey, "pageurl": pageurl, "json": "1",
            }) as resp:
                result = await resp.json(content_type=None)

            if result.get("status") != 1:
                stats["failed"] += 1
                return None

            stats["submitted"] += 1
            task_id = result["request"]

            # Wait before first poll
            await asyncio.sleep(INITIAL_WAIT)

            # Poll
            for _ in range(25):
                async with session.get(f"{BASE_URL}/res.php", params={
                    "key": API_KEY, "action": "get",
                    "id": task_id, "json": "1",
                }) as resp:
                    poll_result = await resp.json(content_type=None)

                if poll_result.get("status") == 1:
                    stats["solved"] += 1
                    return poll_result["request"]

                if poll_result.get("request") != "CAPCHA_NOT_READY":
                    stats["failed"] += 1
                    return None

                await asyncio.sleep(POLL_INTERVAL)

            stats["failed"] += 1
            return None

        except Exception as e:
            stats["failed"] += 1
            return None

async def run_batch(tasks):
    """Process a batch of CAPTCHA tasks concurrently."""
    connector = aiohttp.TCPConnector(
        limit=MAX_CONCURRENT,
        keepalive_timeout=60,
    )
    async with aiohttp.ClientSession(connector=connector) as session:
        coros = [
            solve_one(session, task["sitekey"], task["pageurl"], i)
            for i, task in enumerate(tasks)
        ]
        results = await asyncio.gather(*coros)
    return results

async def main():
    # Generate test tasks (replace with your task source)
    tasks = [
        {
            "sitekey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-",
            "pageurl": "https://www.google.com/recaptcha/api2/demo",
        }
        for _ in range(100)  # Start with 100 tasks
    ]

    stats["start"] = time.time()
    print(f"Processing {len(tasks)} tasks with {MAX_CONCURRENT} concurrent workers")

    results = await run_batch(tasks)
    elapsed = time.time() - stats["start"]

    print(f"\nCompleted in {elapsed:.0f}s")
    print(f"Submitted: {stats['submitted']}")
    print(f"Solved: {stats['solved']}")
    print(f"Failed: {stats['failed']}")
    print(f"Throughput: {stats['solved'] / (elapsed / 3600):.0f} solves/hour")

asyncio.run(main())

JavaScript 并发方案

// high_throughput_solver.js
const axios = require('axios');
const https = require('https');

const API_KEY = process.env.CAPTCHAAI_KEY || 'YOUR_API_KEY';
const BASE = 'https://ocr.captchaai.com';
const MAX_CONCURRENT = 50;

const agent = new https.Agent({ keepAlive: true, maxSockets: MAX_CONCURRENT });
const api = axios.create({ baseURL: BASE, httpsAgent: agent, timeout: 30000 });

const stats = { submitted: 0, solved: 0, failed: 0 };

async function solveOne(sitekey, pageurl) {
  try {
    const submit = await api.get('/in.php', {
      params: { key: API_KEY, method: 'userrecaptcha', googlekey: sitekey, pageurl, json: '1' },
    });
    if (submit.data.status !== 1) { stats.failed++; return null; }
    stats.submitted++;

    await new Promise(r => setTimeout(r, 12000));

    for (let i = 0; i < 25; i++) {
      const poll = await api.get('/res.php', {
        params: { key: API_KEY, action: 'get', id: submit.data.request, json: '1' },
      });
      if (poll.data.status === 1) { stats.solved++; return poll.data.request; }
      if (poll.data.request !== 'CAPCHA_NOT_READY') { stats.failed++; return null; }
      await new Promise(r => setTimeout(r, 5000));
    }
    stats.failed++;
    return null;
  } catch { stats.failed++; return null; }
}

async function runWithConcurrency(tasks, limit) {
  const results = [];
  const executing = new Set();

  for (const task of tasks) {
    const p = solveOne(task.sitekey, task.pageurl).then(r => {
      executing.delete(p);
      return r;
    });
    executing.add(p);
    results.push(p);

    if (executing.size >= limit) {
      await Promise.race(executing);
    }
  }
  return Promise.all(results);
}

(async () => {
  const tasks = Array.from({ length: 100 }, () => ({
    sitekey: '6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-',
    pageurl: 'https://www.google.com/recaptcha/api2/demo',
  }));

  const start = Date.now();
  console.log(`Processing ${tasks.length} tasks, ${MAX_CONCURRENT} concurrent`);

  await runWithConcurrency(tasks, MAX_CONCURRENT);
  const elapsed = (Date.now() - start) / 1000;

  console.log(`\nDone in ${elapsed.toFixed(0)}s`);
  console.log(`Solved: ${stats.solved}, Failed: ${stats.failed}`);
  console.log(`Throughput: ${(stats.solved / (elapsed / 3600)).toFixed(0)} solves/hour`);

  agent.destroy();
})();

调优参数怎么选

档位 保守 均衡 激进
最大并发数 20 50 100
首次轮询等待 15 秒 12 秒 10 秒
轮询间隔 7 秒 5 秒 3 秒
最大轮询次数 30 25 20
预期吞吐量 ~4,800 次/小时 ~10,000 次/小时 ~18,000 次/小时

从保守档起步,逐步调大 MAX_CONCURRENT,一旦吞吐量增长放缓或错误率上升,就停止加码。

实时监控这四个指标

指标 判断标准
每分钟识别数 目标 10,000/hour 时应稳定在 ~167 附近
错误率 控制在 5% 以内,一旦飙升立即调低并发
队列深度 持续增长说明 worker 不够,长期为空说明并发配置过高
P90 识别耗时 如果明显变长,通常是触发了限流,而不是网络问题

常见故障排查

现象 原因 处理方式
吞吐量卡在 ~5,000/hr 上不去 并发数不够 MAX_CONCURRENT 提到 80–100
错误率 > 10% 请求打满了 API,或代理不稳定 降低并发,检查代理健康状态
内存持续上涨 任务结果无限堆积 结果一到就处理,不要攒批缓冲
收到 ERROR_NO_SLOT_AVAILABLE CaptchaAI 侧队列已满 退避 5 秒后重试,不要立即重发

部署提醒

示例里的 pageurl 指向 Google 官方 demo 页,国内网络访问未必稳定,但只影响本地测试——识别请求始终直连 ocr.captchaai.com,与 Google 无关。pip install aiohttp 超时可换清华源:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple aiohttp

常见问题

ADVANCE、PREMIUM 这类套餐的线程数够跑 10,000/hour 吗?

够。CaptchaAI 按线程数计费,单线程识别次数不设上限:ADVANCE($90/月,50 线程)峰值约 12,000/hour,不够时可直接升级 PREMIUM($170/月,100 线程)。

可以跨多台服务器一起跑吗?

可以。用共享队列(Redis、RabbitMQ)分发任务,多台机器各起一份 worker 脚本,独立拉取、提交、轮询,横向扩容即可提升吞吐量。

轮询很久拿不到结果,要不要继续等?

一直是 CAPCHA_NOT_READY 就正常等待;收到 ERROR_NO_SLOT_AVAILABLE 说明触发限流,应退避几秒再重试,而不是加快轮询频率。

下一步

搭建你自己的高吞吐验证码识别管道——注册并获取 CaptchaAI API Key

相关指南:

该文章已禁用评论。