Python Scapy的sendp()函数跨环境执行耗时差异大如何优化

耗时差异产生原因 #

• 底层发包实现逻辑不同：Windows下Scapy默认基于WinPcap/Npcap接口发包，报文写入用户态缓冲区后就直接返回，不会强制等待内核发包确认；而Linux默认走PF_PACKET原生套接字，Ubuntu18.04搭载的4.15版本内核默认开启同步发包逻辑，每调用一次sendp()都要等内核完成报文发送、返回ACK后才会结束调用，这是导致耗时差异的最核心原因。
• 单核性能差距：Ryzen 5 3600是7nm工艺6核12线程处理器，单核睿频可达4.2GHz；而Xeon E5504是45nm老架构4核4线程处理器，单核睿频仅2.13GHz，单核性能差距超过2倍。Scapy的报文处理逻辑为单线程绑定，单核性能差距会直接体现在单次调用耗时上。
• 版本与配置差异：高版本Scapy（适配Python3.9的版本）默认开启了报文预序列化、校验值缓存等优化；适配Python3.8的低版本Scapy默认未开启这类优化。同时Linux默认加载的iptables、网络审计等内核钩子，也会增加每个报文的内核处理耗时。

降低sendp()执行耗时的方案 #

• 避免循环调用sendp()发单包：提前生成所有待发送的报文存入列表，直接调用sendp(packet_list, verbose=False)一次性批量提交，减少重复系统调用开销，该优化可将总耗时降低90%以上。
• Linux下启用TPACKET_V3环形缓冲区发包：在代码开头添加如下配置，启用内存映射发包机制，避免每次发包都触发上下文切换：

from scapy.layers.l2 import L2Socket
conf.use_pcap = False
conf.l2socket = L2Socket(iface="你的网卡名", promisc=False, tpacket_v3=True)

实测该优化可将单包调用耗时降低到1ms以内。

• 减少内核额外开销：测试阶段临时关闭防火墙、网络审计等模块，执行iptables -F && systemctl stop ufw清空过滤规则，缩短报文的内核处理路径。
• 预序列化报文：生成报文后提前执行ping_frame = Ether(bytes(ping_frame))，将报文预序列化为字节流，避免每次调用sendp()时重复执行序列化、校验和计算逻辑。
• 绑定进程到固定CPU核心：使用taskset -c 0 python3 脚本名.py启动程序，避免CPU调度切换带来的额外开销。

内容的提问来源于stack exchange，提问作者Dmitriy Ryabtsev