php cURL和Rolling cURL并发方式比较_php技巧

在实际项目或者自己编写小工具(比如新闻聚合,商品价格监控,比价)的过程中, 通常需要从第3方网站或者API接口获取数据, 在需要处理1个URL队列时, 为了提高性能, 可以采用cURL提供的curl_multi_*族函数实现简单的并发。
本文将探讨两种具体的实现方法, 并对不同的方法做简单的性能对比.
1. 经典cURL并发机制及其存在的问题
经典的cURL实现机制在网上很容易找到, 比如参考PHP在线手册的如下实现方式:

function</P><P>classic_curl($urls,<BR>$delay)<BR> {</P><P>    $queue</P><P>= curl_multi_init();</P><P>    $map</P><P>= array();</P><P> </P><P>    foreach</P><P>($urls</P><P>as <BR>$url)<BR> {</P><P>        //<BR> create cURL resources</P><P>        $ch</P><P>= curl_init();</P><P> </P><P>        //<BR> set URL and other appropriate options</P><P>        curl_setopt($ch,<BR> CURLOPT_URL, $url);</P><P> </P><P>        curl_setopt($ch,<BR> CURLOPT_TIMEOUT, 1);</P><P>        curl_setopt($ch,<BR> CURLOPT_RETURNTRANSFER, 1);</P><P>        curl_setopt($ch,<BR> CURLOPT_HEADER, 0);</P><P>        curl_setopt($ch,<BR> CURLOPT_NOSIGNAL, true);</P><P> </P><P>        //<BR> add handle</P><P>        curl_multi_add_handle($queue,<BR>$ch);</P><P>        $map[$url]<BR> = $ch;</P><P>    }</P><P> </P><P>    $active</P><P>= null;</P><P> </P><P>    //<BR> execute the handles</P><P>    do</P><P>{</P><P>        $mrc</P><P>= curl_multi_exec($queue,<BR>$active);</P><P>    }<BR>while</P><P>($mrc</P><P>== CURLM_CALL_MULTI_PERFORM);</P><P> </P><P>    while</P><P>($active</P><P>> 0 && $mrc</P><P>== CURLM_OK) {</P><P>        if</P><P>(curl_multi_select($queue,<BR> 0.5) != -1) {</P><P>            do</P><P>{</P><P>                $mrc</P><P>= curl_multi_exec($queue,<BR>$active);</P><P>            }<BR>while</P><P>($mrc</P><P>== CURLM_CALL<em style="color:transparent">本文来源[email protected]搞@^&代*@码)网9</em><strong>搞代gaodaima码</strong>_MULTI_PERFORM);</P><P>        }</P><P>    }</P><P> </P><P>    $responses</P><P>= array();</P><P>    foreach</P><P>($map</P><P>as <BR>$url=>$ch)<BR> {</P><P>        $responses[$url]<BR> = callback(curl_multi_getcontent($ch),<BR>$delay);</P><P>        curl_multi_remove_handle($queue,<BR>$ch);</P><P>        curl_close($ch);</P><P>    }</P><P> </P><P>    curl_multi_close($queue);</P><P>    return</P><P>$responses;</P><P>}<BR>

首先将所有的URL压入并发队列, 然后执行并发过程, 等待所有请求接收完之后进行数据的解析等后续处理. 在实际的处理过程中, 受网络传输的影响, 部分URL的内容会优先于其他URL返回, 但是经典cURL并发必须等待最慢的那个URL返回之后才开始处理, 等待也就意味着CPU的空闲和浪费. 如果URL队列很短, 这种空闲和浪费还处在可接受的范围, 但如果队列很长, 这种等待和浪费将变得不可接受.
2. 改进的Rolling cURL并发方式
仔细分析不难发现经典cURL并发还存在优化的空间, 优化的方式时当某个URL请求完毕之后尽可能快的去处理它, 边处理边等待其他的URL返回, 而不是等待那个最慢的接口返回之后才开始处理等工作, 从而避免CPU的空闲和浪费. 闲话不多说, 下面贴上具体的实现:

function</P><P>rolling_curl($urls,<BR>$delay)<BR> {</P><P>    $queue</P><P>= curl_multi_init();</P><P>    $map</P><P>= array();</P><P> </P><P>    foreach</P><P>($urls</P><P>as <BR>$url)<BR> {</P><P>        $ch</P><P>= curl_init();</P><P> </P><P>        curl_setopt($ch,<BR> CURLOPT_URL, $url);</P><P>        curl_setopt($ch,<BR> CURLOPT_TIMEOUT, 1);</P><P>        curl_setopt($ch,<BR> CURLOPT_RETURNTRANSFER, 1);</P><P>        curl_setopt($ch,<BR> CURLOPT_HEADER, 0);</P><P>        curl_setopt($ch,<BR> CURLOPT_NOSIGNAL, true);</P><P> </P><P>        curl_multi_add_handle($queue,<BR>$ch);</P><P>        $map[(string)<BR>$ch]<BR> = $url;</P><P>    }</P><P> </P><P>    $responses</P><P>= array();</P><P>    do</P><P>{</P><P>        while</P><P>(($code</P><P>= curl_multi_exec($queue,<BR>$active))<BR> == CURLM_CALL_MULTI_PERFORM) ;</P><P> </P><P>        if</P><P>($code</P><P>!= CURLM_OK) { break;<BR> }</P><P> </P><P>        //<BR> a request was just completed -- find out which one</P><P>        while</P><P>($done</P><P>= curl_multi_info_read($queue))<BR> {</P><P> </P><P>            //<BR> get the info and content returned on the request</P><P>            $info</P><P>= curl_getinfo($done['handle']);</P><P>            $error</P><P>= curl_error($done['handle']);</P><P>            $results</P><P>= callback(curl_multi_getcontent($done['handle']),<BR>$delay);</P><P>            $responses[$map[(string)<BR>$done['handle']]]<BR> = compact('info',<BR>'error',<BR>'results');</P><P> </P><P>            //<BR> remove the curl handle that just completed</P><P>            curl_multi_remove_handle($queue,<BR>$done['handle']);</P><P>            curl_close($done['handle']);</P><P>        }</P><P> </P><P>        //<BR> Block for data in / output; error handling is done by curl_multi_exec</P><P>        if</P><P>($active</P><P>> 0) {</P><P>            curl_multi_select($queue,<BR> 0.5);</P><P>        }</P><P> </P><P>    }<BR>while</P><P>($active);</P><P> </P><P>    curl_multi_close($queue);</P><P>    return</P><P>$responses;</P><P>}<BR>

3. 两种并发实现的性能对比
改进前后的性能对比试验在LINUX主机上进行, 测试时使用的并发队列如下:

http://a.com/item.htm?id=14392877692
http:/a.com/item.htm?id=16231676302
http://a.com/item.htm?id=5522416710
http://a.com/item.htm?id=16551116403
简要说明下实验设计的原则和性能测试结果的格式: 为保证结果的可靠, 每组实验重复20次, 在单次实验中, 给定相同的接口URL集合, 分别测量Classic(指经典的并发机制)和Rolling(指改进后的并发机制)两种并发机制的耗时(秒为单位), 耗时短者胜出(Winner), 并计算节省的时间(Excellence, 秒为单位)以及性能提升比例(Excel. %). 为了尽量贴近真实的请求而又保持实验的简单, 在对返回结果的处理上只是做了简单的正则表达式匹配, 而没有进行其他复杂的操作. 另外, 为了确定结果处理回调对性能对比测试结果的影响, 可以使用usleep模拟现实中比较负责的数据处理逻辑(如提取, 分词, 写入文件或数据库等).
性能测试中用到的回调函数为:

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

数据处理回调无延迟时: Rolling Curl略优, 但性能提升效果不明显。

喜欢 (0)赏

[搞代码]

分享 (0)