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:
复制代码 代码如下:
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
$responses;
}
首先将所有的URL压入并发队列, 然后执行并发过程, 等待所有请求接收完之后进行数据的解析等后续处理. 在实际的处理过程中, 受网络传输的影响, 部分URL的内容会优先于其他URL返回, 但是经典cURL并发必须等待最慢的那个URL返回之后才开始处理, 等待也就意味着CPU的空闲和浪费. 如果URL队列很短, 这种空闲和浪费还处在可接受的范围, 但如果队列很长, 这种等待和浪费将变得不可接受.
2. 改进的Rolling cURL并发方式
仔细分析不难发现经典cURL并发还存在优化的空间, 优化的方式时当某个URL请求完毕之后尽可能快的去处理它, 边处理边等待其他的URL返回, 而不是等待那个最慢的接口返回之后才开始处理等工作, 从而避免CPU的空闲和浪费. 闲话不多说, 下面贴上具体的实现:
复制代码 代码如下:
function
rolling_curl($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;
}
$回复
= 数组();
做
{
同时
(($代码
=curl_multi_exec($queue,
$active))
== CURLM_CALL_MULTI_PERFORM) ;
如果
($代码
!= CURLM_OK) {break;
}
//
刚刚完成了一个请求 - 找出是哪个
同时
（$完成
=curl_multi_info_read($queue))
{
//
获取请求返回的信息和内容
$信息
=curl_getinfo($done['handle']);
$错误
=curl_error($done['handle']);
$结果
=回调(curl_multi_getcontent($done['handle']),
$delay);
$responses[$map[(string)
$done['handle']]]
=紧凑('info',
'错误',
'结果');
//
移除刚刚完成的卷曲手柄
curl_multi_remove_handle($queue,
$done['handle']);
curl_close($done['handle']);
}
//
数据输入/输出块；错误处理由curl_multi_exec
如果
($活跃
> 0) {
curl_multi_select($queue,
0.5);
}
}
同时
($活跃);
curl_multi_close($queue);
返回
$回复；
}
3. 两种ARM实现的性能对比
改进了对称的性能对比试验在LINUX主机上进行，测试时使用的ARM队列如下：
http://a.com/item.htm?id=14392877692
http://a.com/item.htm?id=16231676302
http://a.com/item.htm? id=5522416710
http://a.com/item.htm?id=16551116403
简要说明下实验设计的原则和次性能测试结果的格式：为保证结果的可靠，每组实验重复20 ，在单次实验中，给定相同的接口URL集合，分别测量Classic(指经典的并发机制)和Rolling(指改进后的并发机制)双变量的运行(秒为单位)、运行短者胜出(优胜者)，并计算节省的时间(Excellence,秒为单位)以及性能提升比例(Excel.%)。 为了尽量贴近真实的请求保持实验的简单，在对返回结果的处理上只是做了简单的正则表达式匹配，而不进行其他复杂的操作。 另外，确定结果处理回调对性能对比测试结果的影响，可以使用usleep模拟现实中比较负责的数据处理逻辑（如提取、分词、写入文件或数据库等）。
性能测试中占用的回调函数为:
复制代码代码如下:
function
回调（$数据，
$延迟）
{
preg_match_all('/
usleep($delay);
返回
紧凑('数据',
'匹配');
}
数据处理回调无延迟时：Rolling Curl略优，但性能提升效果不明显。
