zoukankan      html  css  js  c++  java
  • Rolling cURL: PHP并发最佳实践

    Rolling cURL: PHP并发最佳实践

    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:

    01 function classic_curl($urls, $delay) {
    02     $queue = curl_multi_init();
    03     $map = array();
    04   
    05     foreach ($urls as $url) {
    06         // create cURL resources
    07         $ch = curl_init();
    08   
    09         // set URL and other appropriate options
    10         curl_setopt($ch, CURLOPT_URL, $url);
    11   
    12         curl_setopt($ch, CURLOPT_TIMEOUT, 1);
    13         curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    14         curl_setopt($ch, CURLOPT_HEADER, 0);
    15         curl_setopt($ch, CURLOPT_NOSIGNAL, true);
    16   
    17         // add handle
    18         curl_multi_add_handle($queue, $ch);
    19         $map[$url] = $ch;
    20     }
    21   
    22     $active = null;
    23   
    24     // execute the handles
    25     do {
    26         $mrc = curl_multi_exec($queue, $active);
    27     } while ($mrc == CURLM_CALL_MULTI_PERFORM);
    28   
    29     while ($active > 0 && $mrc == CURLM_OK) {
    30         if (curl_multi_select($queue, 0.5) != -1) {
    31             do {
    32                 $mrc = curl_multi_exec($queue, $active);
    33             } while ($mrc == CURLM_CALL_MULTI_PERFORM);
    34         }
    35     }
    36   
    37     $responses = array();
    38     foreach ($map as $url=>$ch) {
    39         $responses[$url] = callback(curl_multi_getcontent($ch), $delay);
    40         curl_multi_remove_handle($queue, $ch);
    41         curl_close($ch);
    42     }
    43   
    44     curl_multi_close($queue);
    45     return $responses;
    46 }

    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:

    01 function rolling_curl($urls, $delay) {
    02     $queue = curl_multi_init();
    03     $map = array();
    04   
    05     foreach ($urls as $url) {
    06         $ch = curl_init();
    07   
    08         curl_setopt($ch, CURLOPT_URL, $url);
    09         curl_setopt($ch, CURLOPT_TIMEOUT, 1);
    10         curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    11         curl_setopt($ch, CURLOPT_HEADER, 0);
    12         curl_setopt($ch, CURLOPT_NOSIGNAL, true);
    13   
    14         curl_multi_add_handle($queue, $ch);
    15         $map[(string) $ch] = $url;
    16     }
    17   
    18     $responses = array();
    19     do {
    20         while (($code = curl_multi_exec($queue, $active)) == CURLM_CALL_MULTI_PERFORM) ;
    21   
    22         if ($code != CURLM_OK) { break; }
    23   
    24         // a request was just completed -- find out which one
    25         while ($done = curl_multi_info_read($queue)) {
    26   
    27             // get the info and content returned on the request
    28             $info = curl_getinfo($done['handle']);
    29             $error = curl_error($done['handle']);
    30             $results = callback(curl_multi_getcontent($done['handle']), $delay);
    31             $responses[$map[(string) $done['handle']]] = compact('info', 'error', 'results');
    32   
    33             // remove the curl handle that just completed
    34             curl_multi_remove_handle($queue, $done['handle']);
    35             curl_close($done['handle']);
    36         }
    37   
    38         // Block for data in / output; error handling is done by curl_multi_exec
    39         if ($active > 0) {
    40             curl_multi_select($queue, 0.5);
    41         }
    42   
    43     } while ($active);
    44   
    45     curl_multi_close($queue);
    46     return $responses;
    47 }

    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:

    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:

    1 function callback($data, $delay) {
    2     preg_match_all('/<h3>(.+)</h3>/iU', $data, $matches);
    3     usleep($delay);
    4     return compact('data', 'matches');
    5 }

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

    ------------------------------------------------------------------------------------------------
    Delay: 0 micro seconds, equals to 0 milli seconds
    ------------------------------------------------------------------------------------------------
    Counter         Classic         Rolling         Winner          Excellence      Excel. %
    ------------------------------------------------------------------------------------------------
    1               0.1193          0.0390          Rolling         0.0803          67.31%
    2               0.0556          0.0477          Rolling         0.0079          14.21%
    3               0.0461          0.0588          Classic         -0.0127         -21.6%
    4               0.0464          0.0385          Rolling         0.0079          17.03%
    5               0.0534          0.0448          Rolling         0.0086          16.1%
    6               0.0540          0.0714          Classic         -0.0174         -24.37%
    7               0.0386          0.0416          Classic         -0.0030         -7.21%
    8               0.0357          0.0398          Classic         -0.0041         -10.3%
    9               0.0437          0.0442          Classic         -0.0005         -1.13%
    10              0.0319          0.0348          Classic         -0.0029         -8.33%
    11              0.0529          0.0430          Rolling         0.0099          18.71%
    12              0.0503          0.0581          Classic         -0.0078         -13.43%
    13              0.0344          0.0225          Rolling         0.0119          34.59%
    14              0.0397          0.0643          Classic         -0.0246         -38.26%
    15              0.0368          0.0489          Classic         -0.0121         -24.74%
    16              0.0502          0.0394          Rolling         0.0108          21.51%
    17              0.0592          0.0383          Rolling         0.0209          35.3%
    18              0.0302          0.0285          Rolling         0.0017          5.63%
    19              0.0248          0.0553          Classic         -0.0305         -55.15%
    20              0.0137          0.0131          Rolling         0.0006          4.38%
    ------------------------------------------------------------------------------------------------
    Average         0.0458          0.0436          Rolling         0.0022          4.8%
    ------------------------------------------------------------------------------------------------
    Summary: Classic wins 10 times, while Rolling wins 10 times

    数据处理回调延迟5毫秒: Rolling Curl完胜, 性能提升40%左右.

    ------------------------------------------------------------------------------------------------
    Delay: 5000 micro seconds, equals to 5 milli seconds
    ------------------------------------------------------------------------------------------------
    Counter         Classic         Rolling         Winner          Excellence      Excel. %
    ------------------------------------------------------------------------------------------------
    1               0.0658          0.0352          Rolling         0.0306          46.5%
    2               0.0728          0.0367          Rolling         0.0361          49.59%
    3               0.0732          0.0387          Rolling         0.0345          47.13%
    4               0.0783          0.0347          Rolling         0.0436          55.68%
    5               0.0658          0.0286          Rolling         0.0372          56.53%
    6               0.0687          0.0362          Rolling         0.0325          47.31%
    7               0.0787          0.0337          Rolling         0.0450          57.18%
    8               0.0676          0.0391          Rolling         0.0285          42.16%
    9               0.0668          0.0351          Rolling         0.0317          47.46%
    10              0.0603          0.0317          Rolling         0.0286          47.43%
    11              0.0714          0.0350          Rolling         0.0364          50.98%
    12              0.0627          0.0215          Rolling         0.0412          65.71%
    13              0.0617          0.0401          Rolling         0.0216          35.01%
    14              0.0721          0.0226          Rolling         0.0495          68.65%
    15              0.0701          0.0428          Rolling         0.0273          38.94%
    16              0.0674          0.0352          Rolling         0.0322          47.77%
    17              0.0452          0.0425          Rolling         0.0027          5.97%
    18              0.0596          0.0366          Rolling         0.0230          38.59%
    19              0.0679          0.0480          Rolling         0.0199          29.31%
    20              0.0657          0.0338          Rolling         0.0319          48.55%
    ------------------------------------------------------------------------------------------------
    Average         0.0671          0.0354          Rolling         0.0317          47.24%
    ------------------------------------------------------------------------------------------------
    Summary: Classic wins 0 times, while Rolling wins 20 times

    通过上面的性能对比, 在处理URL队列并发的应用场景中Rolling cURL应该是更加的选择, 并发量非常大(1000+)时, 可以控制并发队列的最大长度, 比如20, 每当1个URL返回并处理完毕之后立即加入1个尚未请求的URL到队列中, 这样写出来的代码会更加健壮, 不至于并发数太大而卡死或崩溃. 详细的实现请参考: http://code.google.com/p/rolling-curl/

    5. 参考资料和延伸阅读

    文章出处:http://www.searchtb.com/2012/06/rolling-curl-best-practices.html

  • 相关阅读:
    sql 语句系列(加减乘除与平均)[八百章之第十四章]
    并发系列64章(并发概要)第一章
    redis 一百二十篇(简单介绍)之第一篇
    sql 语句系列(分割ip)[八百章之第十四章]
    sql 语句系列(字符串之裂开)[八百章之第十三章]
    sql 语句系列(字符串之父与子之间)[八百章之第十二章]
    sql 语句系列(字符串的遍历嵌入删除与统计)[八百章之第十一章]
    sql 语句系列(用魔法打败魔法)[八百章之第十章]
    sql 语句系列(列举非索引外键)[八百章之第九章]
    sql 语句系列(列举系列)[八百章之第八章]
  • 原文地址:https://www.cnblogs.com/zsmynl/p/3540035.html
Copyright © 2011-2022 走看看