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('/(.+)/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: http://code.google.com/p/rolling-curl/