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 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:

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. 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://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

　　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 callback($data, $delay) {

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

　　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:

转自：http://www.php100.com/html/webkaifa/PHP/PHPyingyong/2012/0619/10566.html