php cURL和Rolling cURL並發方式比較_php技巧

在實際項目或者自己編寫小工具(比如新聞彙總,商品價格監控,比價)的過程中, 通常需要從第3方網站或者API介面擷取資料, 在需要處理1個URL隊列時, 為了提高效能, 可以採用cURL提供的curl_multi_*族函數實現簡單的並發。
本文將探討兩種具體的實現方法, 並對不同的方法做簡單的效能對比.
1. 經典cURL並發機制及其存在的問題
經典的cURL實現機制在網上很容易找到, 比如參考PHP線上手冊的如下實現方式:

複製代碼 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壓入並發隊列, 然後執行並發過程, 等待所有請求接收完之後進行資料的解析等後續處理. 在實際的處理過程中, 受網路傳輸的影響, 部分URL的內容會優先於其他URL返回, 但是經典cURL並發必須等待最慢的那個URL返回之後才開始處理, 等待也就意味著CPU的空閑和浪費. 如果URL隊列很短, 這種空閑和浪費還處在可接受的範圍, 但如果隊列很長, 這種等待和浪費將變得不可接受.
2. 改進的Rolling cURL並發方式
仔細分析不難發現經典cURL並發還存在最佳化的空間, 最佳化的方式時當某個URL請求完畢之後儘可能快的去處理它, 邊處理邊等待其他的URL返回, 而不是等待那個最慢的介面返回之後才開始處理等工作, 從而避免CPU的空閑和浪費. 閑話不多說, 下面貼上具體的實現:

複製代碼 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. 兩種並發實現的效能對比
改進前後的效能對比實驗在LINUX主機上進行, 測試時使用的並發隊列如下:

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
簡要說明下實驗設計的原則和效能測試結果的格式: 為保證結果的可靠, 每組實驗重複20次, 在單次實驗中, 給定相同的介面URL集合, 分別測量Classic(指經典的並發機制)和Rolling(指改進後的並發機制)兩種並發機制的耗時(秒為單位), 耗時短者勝出(Winner), 並計算節省的時間(Excellence, 秒為單位)以及效能提升比例(Excel. %). 為了盡量貼近真實的請求而又保持實驗的簡單, 在對返回結果的處理上只是做了簡單的Regex匹配, 而沒有進行其他複雜的操作. 另外, 為了確定結果處理回調對效能對比測試結果的影響, 可以使用usleep類比現實中比較負責的資料處理邏輯(如提取, 分詞, 寫入檔案或資料庫等).
效能測試中用到的回呼函數為:

複製代碼 代碼如下:

function

callback($data,
$delay)
 {

    preg_match_all('/<h3>(.+)<\/h3>/iU',
$data,
$matches);

    usleep($delay);

    return

compact('data',
'matches');

}

資料處理回調無延遲時: Rolling Curl略優, 但效能提升效果不明顯。