快捷導(dǎo)航

PHP curl 并發(fā)最佳實(shí)踐代碼分享

更新時(shí)間：2012年09月05日 23:13:26 作者：

在實(shí)際項(xiàng)目或者自己編寫小工具(比如新聞聚合,商品價(jià)格監(jiān)控,比價(jià))的過程中, 通常需要從第3方網(wǎng)站或者API接口獲取數(shù)據(jù), 在需要處理1個(gè)URL隊(duì)列時(shí), 為了提高性能, 可以采用cURL提供的curl_multi_*族函數(shù)實(shí)現(xiàn)簡單的并發(fā)

本文將探討兩種具體的實(shí)現(xiàn)方法, 并對不同的方法做簡單的性能對比.

1. 經(jīng)典cURL并發(fā)機(jī)制及其存在的問題

經(jīng)典的cURL實(shí)現(xiàn)機(jī)制在網(wǎng)上很容易找到, 比如參考PHP在線手冊的如下實(shí)現(xiàn)方式:

復(fù)制代碼代碼如下:

 
function classic_curl($urls, $delay) { 
$queue = curl_multi_init(); 
$map = array(); 

foreach ($urls as $url) { 
// create cURL resources 
$ch = curl_init(); 

// set URL and other appropriate options 
curl_setopt($ch, CURLOPT_URL, $url); 

curl_setopt($ch, CURLOPT_TIMEOUT, 1); 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt($ch, CURLOPT_HEADER, 0); 
curl_setopt($ch, CURLOPT_NOSIGNAL, true); 

// add handle 
curl_multi_add_handle($queue, $ch); 
$map[$url] = $ch; 
} 

$active = null; 

// execute the handles 
do { 
$mrc = curl_multi_exec($queue, $active); 
} while ($mrc == CURLM_CALL_MULTI_PERFORM); 

while ($active > 0 && $mrc == CURLM_OK) { 
if (curl_multi_select($queue, 0.5) != -1) { 
do { 
$mrc = curl_multi_exec($queue, $active); 
} while ($mrc == CURLM_CALL_MULTI_PERFORM); 
} 
} 

$responses = array(); 
foreach ($map as $url=>$ch) { 
$responses[$url] = callback(curl_multi_getcontent($ch), $delay); 
curl_multi_remove_handle($queue, $ch); 
curl_close($ch); 
} 

curl_multi_close($queue); 
return $responses; 
} 

首先將所有的URL壓入并發(fā)隊(duì)列, 然后執(zhí)行并發(fā)過程, 等待所有請求接收完之后進(jìn)行數(shù)據(jù)的解析等后續(xù)處理. 在實(shí)際的處理過程中, 受網(wǎng)絡(luò)傳輸?shù)挠绊? 部分URL的內(nèi)容會優(yōu)先于其他URL返回, 但是經(jīng)典cURL并發(fā)必須等待最慢的那個(gè)URL返回之后才開始處理, 等待也就意味著CPU的空閑和浪費(fèi). 如果URL隊(duì)列很短, 這種空閑和浪費(fèi)還處在可接受的范圍, 但如果隊(duì)列很長, 這種等待和浪費(fèi)將變得不可接受.

2. 改進(jìn)的Rolling cURL并發(fā)方式

仔細(xì)分析不難發(fā)現(xiàn)經(jīng)典cURL并發(fā)還存在優(yōu)化的空間, 優(yōu)化的方式時(shí)當(dāng)某個(gè)URL請求完畢之后盡可能快的去處理它, 邊處理邊等待其他的URL返回, 而不是等待那個(gè)最慢的接口返回之后才開始處理等工作, 從而避免CPU的空閑和浪費(fèi). 閑話不多說, 下面貼上具體的實(shí)現(xiàn):

復(fù)制代碼代碼如下:

 
function rolling_curl($urls, $delay) { 
$queue = curl_multi_init(); 
$map = array(); 

foreach ($urls as $url) { 
$ch = curl_init(); 

curl_setopt($ch, CURLOPT_URL, $url); 
curl_setopt($ch, CURLOPT_TIMEOUT, 1); 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt($ch, CURLOPT_HEADER, 0); 
curl_setopt($ch, CURLOPT_NOSIGNAL, true); 

curl_multi_add_handle($queue, $ch); 
$map[(string) $ch] = $url; 
} 

$responses = array(); 
do { 
while (($code = curl_multi_exec($queue, $active)) == CURLM_CALL_MULTI_PERFORM) ; 

if ($code != CURLM_OK) { break; } 

// a request was just completed -- find out which one 
while ($done = curl_multi_info_read($queue)) { 

// get the info and content returned on the request 
$info = curl_getinfo($done['handle']); 
$error = curl_error($done['handle']); 
$results = callback(curl_multi_getcontent($done['handle']), $delay); 
$responses[$map[(string) $done['handle']]] = compact('info', 'error', 'results'); 

// remove the curl handle that just completed 
curl_multi_remove_handle($queue, $done['handle']); 
curl_close($done['handle']); 
} 

// Block for data in / output; error handling is done by curl_multi_exec 
if ($active > 0) { 
curl_multi_select($queue, 0.5); 
} 

} while ($active); 

curl_multi_close($queue); 
return $responses; 
} 

3. 兩種并發(fā)實(shí)現(xiàn)的性能對比

改進(jìn)前后的性能對比試驗(yàn)在LINUX主機(jī)上進(jìn)行, 測試時(shí)使用的并發(fā)隊(duì)列如下:

http://item.taobao.com/item.htm?id=14392877692
http://item.taobao.com/item.htm?id=16231676302
http://item.taobao.com/item.htm?id=17037160462
http://item.taobao.com/item.htm?id=5522416710
http://item.taobao.com/item.htm?id=16551116403
http://item.taobao.com/item.htm?id=14088310973

簡要說明下實(shí)驗(yàn)設(shè)計(jì)的原則和性能測試結(jié)果的格式: 為保證結(jié)果的可靠, 每組實(shí)驗(yàn)重復(fù)20次, 在單次實(shí)驗(yàn)中, 給定相同的接口URL集合, 分別測量Classic(指經(jīng)典的并發(fā)機(jī)制)和Rolling(指改進(jìn)后的并發(fā)機(jī)制)兩種并發(fā)機(jī)制的耗時(shí)(秒為單位), 耗時(shí)短者勝出(Winner), 并計(jì)算節(jié)省的時(shí)間(Excellence, 秒為單位)以及性能提升比例(Excel. %). 為了盡量貼近真實(shí)的請求而又保持實(shí)驗(yàn)的簡單, 在對返回結(jié)果的處理上只是做了簡單的正則表達(dá)式匹配, 而沒有進(jìn)行其他復(fù)雜的操作. 另外, 為了確定結(jié)果處理回調(diào)對性能對比測試結(jié)果的影響, 可以使用usleep模擬現(xiàn)實(shí)中比較負(fù)責(zé)的數(shù)據(jù)處理邏輯(如提取, 分詞, 寫入文件或數(shù)據(jù)庫等).

性能測試中用到的回調(diào)函數(shù)為:

復(fù)制代碼代碼如下:

 
function callback($data, $delay) { 
preg_match_all('/<h3>(.+)<\/h3>/iU', $data, $matches); 
usleep($delay); 
return compact('data', 'matches'); 
} 

數(shù)據(jù)處理回調(diào)無延遲時(shí): Rolling Curl略優(yōu), 但性能提升效果不明顯.
數(shù)據(jù)處理回調(diào)延遲5毫秒: Rolling Curl完勝, 性能提升40%左右.
通過上面的性能對比, 在處理URL隊(duì)列并發(fā)的應(yīng)用場景中Rolling cURL應(yīng)該是更加的選擇, 并發(fā)量非常大(1000+)時(shí), 可以控制并發(fā)隊(duì)列的最大長度, 比如20, 每當(dāng)1個(gè)URL返回并處理完畢之后立即加入1個(gè)尚未請求的URL到隊(duì)列中, 這樣寫出來的代碼會更加健壯, 不至于并發(fā)數(shù)太大而卡死或崩潰. 詳細(xì)的實(shí)現(xiàn)請參考: http://code.google.com/p/rolling-curl/

您可能感興趣的文章: