环境准备与依赖安装

在Python生态中，pycurl 是对底层 libcurl 库的封装，能够提供极其详尽的网络请求底层指标。首先需要安装该库：

pip install pycurl

对于 macOS 用户，由于系统默认的 SSL 后端可能与 libcurl 编译时的配置冲突，通常需要显式指定 OpenSSL 路径以避免 ImportError: pycurl: libcurl link-time ssl backends... 异常：

export PYCURL_SSL_LIBRARY=openssl
export LDFLAGS="-L$(brew --prefix openssl)/lib"
export CPPFLAGS="-I$(brew --prefix openssl)/include"
pip install --no-cache-dir --compile pycurl

获取基础请求耗时指标

通过配置 pycurl.Curl 实例并调用 getinfo 方法，我们可以轻松提取请求生命周期中的关键时间节点。以下代码展示了如何捕获这些基础数据：

import pycurl
from io import BytesIO

def analyze_request_timings(target_url: str):
    buffer = BytesIO()
    client = pycurl.Curl()
    
    # 配置请求参数
    client.setopt(pycurl.URL, target_url)
    client.setopt(pycurl.WRITEDATA, buffer)
    client.setopt(pycurl.NOPROGRESS, 1)
    
    # 执行请求
    client.perform()
    
    # 提取并打印耗时数据（单位：秒）
    metrics = {
        "HTTP Status": client.getinfo(pycurl.RESPONSE_CODE),
        "DNS Resolution": client.getinfo(pycurl.NAMELOOKUP_TIME),
        "TCP Connection": client.getinfo(pycurl.CONNECT_TIME),
        "Pre-Transfer": client.getinfo(pycurl.PRETRANSFER_TIME),
        "Time to First Byte (TTFB)": client.getinfo(pycurl.STARTTRANSFER_TIME),
        "Total Duration": client.getinfo(pycurl.TOTAL_TIME),
        "Redirect Duration": client.getinfo(pycurl.REDIRECT_TIME)
    }
    
    client.close()
    
    for key, value in metrics.items():
        print(f"{key:<25}: {value:.6f}")

if __name__ == "__main__":
    analyze_request_timings("https://httpbin.org/get")

构建可视化的请求时间线

为了更直观地观察网络请求的性能瓶颈，我们可以模仿 httpstat 工具的输出格式，将各个阶段的耗时转化为可视化的文本图表。下面的实现将响应体保存至本地，并以毫秒为单位计算和渲染各阶段耗时：

import os
import pycurl
import math

def render_http_timeline(url: str, save_path: str = "response_body.bin"):
    curl_session = pycurl.Curl()
    
    # 设置响应体和响应头的处理回调
    with open(save_path, 'wb') as f:
        curl_session.setopt(pycurl.URL, url)
        curl_session.setopt(pycurl.WRITEDATA, f)
        curl_session.setopt(pycurl.HEADERFUNCTION, lambda x: print(x.decode('utf-8', errors='ignore').strip()))
        
        curl_session.perform()
        
    print(f"\n[Info] Response body saved to: {os.path.abspath(save_path)}\n")
    
    # 获取时间数据并转换为毫秒
    t_dns = curl_session.getinfo(pycurl.NAMELOOKUP_TIME) * 1000
    t_conn = curl_session.getinfo(pycurl.CONNECT_TIME) * 1000
    t_pre = curl_session.getinfo(pycurl.PRETRANSFER_TIME) * 1000
    t_ttfb = curl_session.getinfo(pycurl.STARTTRANSFER_TIME) * 1000
    t_total = curl_session.getinfo(pycurl.TOTAL_TIME) * 1000
    
    curl_session.close()
    
    # 计算各阶段独立耗时
    phases = {
        "DNS Lookup": math.ceil(t_dns),
        "TCP Connection": math.ceil(t_conn - t_dns),
        "TLS Handshake": math.ceil(t_pre - t_conn),
        "Server Processing": math.ceil(t_ttfb - t_pre),
        "Content Transfer": math.ceil(t_total - t_ttfb)
    }
    
    # 渲染表头和数据行
    headers = list(phases.keys())
    values = [f"{v}ms" for v in phases.values()]
    
    col_width = 20
    separator = "|"
    
    # 打印阶段名称
    print(" " + " ".join([f"{h:^{col_width}}" for h in headers]))
    # 打印耗时数据
    print("[" + separator.join([f"{v:^{col_width}}" for v in values]) + "]")
    
    # 打印累积时间轴
    timeline_points = [
        ("namelookup", t_dns),
        ("connect", t_conn),
        ("pretransfer", t_pre),
        ("starttransfer", t_ttfb),
        ("total", t_total)
    ]
    
    for idx, (name, time_ms) in enumerate(timeline_points):
        padding_left = (col_width + 1) * idx
        label = f"{name}:{int(time_ms)}ms"
        print(" " * padding_left + f"{label:<{col_width}}")

render_http_timeline("https://http2.pro/api/v1")

PyCurl 性能与状态指标字典

除了上述使用的时间指标外，pycurl 还提供了大量用于分析请求细节的常量。以下是常用的 getinfo 参数分类汇总：

分类	常量名称	说明
时间与速度	NAMELOOKUP_TIME	DNS 解析耗时
	CONNECT_TIME	建立 TCP 连接耗时
	STARTTRANSFER_TIME	接收到首个字节的时间 (TTFB)
	SPEED_DOWNLOAD / SPEED_UPLOAD	平均下载 / 上传速度
	TOTAL_TIME	请求总耗时
数据大小	SIZE_DOWNLOAD / SIZE_UPLOAD	实际下载 / 上传的字节数
	CONTENT_LENGTH_DOWNLOAD	响应头中声明的下载内容长度
	HEADER_SIZE	接收到的响应头总大小
	REQUEST_SIZE	发送的请求头总大小
状态与路由	RESPONSE_CODE	HTTP 响应状态码
	REDIRECT_COUNT	发生的重定向次数
	EFFECTIVE_URL	最后一次实际请求的 URL（包含重定向后的地址）