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

Rolling cURL: PHP并发最佳实践的更多相关文章

  1. java并发编程笔记(九)——多线程并发最佳实践

    java并发编程笔记(九)--多线程并发最佳实践 使用本地变量 使用不可变类 最小化锁的作用域范围 使用线程池Executor,而不是直接new Thread执行 宁可使用同步也不要使用线程的wait ...

  2. Java多线程并发最佳实践

    使用本地变量 尽量使用本地变量,而不是创建一个类或实例的变量. 使用不可变类 String.Integer等.不可变类可以降低代码中需要的同步数量. 最小化锁的作用域范围:S=1/(1-a+a/n) ...

  3. PHP并发最佳实践

    直接参考大牛的: http://www.searchtb.com/2012/06/rolling-curl-best-practices.html

  4. MySQL面试必考知识点:揭秘亿级高并发数据库调优与最佳实践法则

    做业务,要懂基本的SQL语句: 做性能优化,要懂索引,懂引擎: 做分库分表,要懂主从,懂读写分离... 数据库的使用,是开发人员的基本功,对它掌握越清晰越深入,你能做的事情就越多. 今天我们用10分钟 ...

  5. [转]10分钟梳理MySQL知识点:揭秘亿级高并发数据库调优与最佳实践法则

    转:https://mp.weixin.qq.com/s/RYIiHAHHStIMftQT6lQSgA 做业务,要懂基本的SQL语句: 做性能优化,要懂索引,懂引擎: 做分库分表,要懂主从,懂读写分离 ...

  6. RESTful API 设计最佳实践

    背景 目前互联网上充斥着大量的关于RESTful API(为了方便,以后API和RESTful API 一个意思)如何设计的文章,然而却没有一个"万能"的设计标准:如何鉴权?API ...

  7. ****RESTful API 设计最佳实践(APP后端API设计参考典范)

    http://blog.jobbole.com/41233/ 背景 目前互联网上充斥着大量的关于RESTful API(为方便,下文中“RESTful API ”简写为“API”)如何设计的文章,然而 ...

  8. RESTful API 设计最佳实践(转)

    摘要:目前互联网上充斥着大量的关于RESTful API(为了方便,以后API和RESTful API 一个意思)如何设计的文章,然而却没有一个”万能“的设计标准:如何鉴权?API格式如何?你的API ...

  9. RESTful API 设计最佳实践(转)

    背景 目前互联网上充斥着大量的关于RESTful API(为方便,下文中“RESTful API ”简写为“API”)如何设计的文章,然而却没有一个”万能“的设计标准:如何鉴权?API 格式如何?你的 ...

随机推荐

  1. HTML&CSS基础学习笔记1.32-选择器是什么

    选择器是什么 选择器是CSS样式为了定位页面上的任意元素的一种方法. 选择器主要分为:元素标签选择器.通用选择器.类选择器.ID选择器.属性选择器.组合选择器.伪类选择器.伪元素选择器. 先做个了解, ...

  2. C++学习笔记3——类的封装(1)

    封装: 1.把属性和方法进行封装. 2.对属性和方法进行访问控制. class和struct的区别: class和struct的唯一区别是默认的访问权限不一样.struct的默认访问权限是public ...

  3. Oracle游标、参数的使用例子

    /// <summary> /// 总部审核 /// </summary> /// <param name="ht"></param> ...

  4. uva10561 - Treblecross

    Treblecross is a two player game where the goal is to get three `X' in a row on a one-dimensional bo ...

  5. 粗看C#委托

    C#的好多定义跟C艹不太相同,先来分析一下“委托”. 1. 委托的定义: 委托,可以认为是类型安全的函数指针,类型安全就是指明确定义了返回类型与参数类型,在C#代码编译时就能够确保指针传参时的安全性. ...

  6. h.264的POC计算

    本文参考自http://wenku.baidu.com/link?url=ZPF0iSKzwLQg_8K02pnnd_-Zd6ISnsOGWsGYb98ucLkELZO4nOv-X-v2GKLzI3r ...

  7. EMS-keil C51常用错误

    1. LAB100.C(12): error C216: subscript on non-array or too many dimensions 原程序如下: #include <reg51 ...

  8. Sql语句中IN等方面的用法

    select * from txt1 select * from txt2 select * from txt1 where name in (select name from txt2 where ...

  9. 《Ruby语言入门教程v1.0》学习笔记-01

    <Ruby语言入门教程v1.0> 编著:张开川 邮箱:kaichuan_zhang@126.com 想要学习ruby是因为公司的自动化测试使用到了ruby语言,但是公司关于ruby只给了一 ...

  10. 线程间同步之 semaphore(信号量)

    原文地址:http://www.cnblogs.com/yuqilin/archive/2011/10/16/2214429.html semaphore 可用于进程间同步也可用于同一个进程间的线程同 ...