PHP Curl多线程原理实例详解

深藏阁楼爱情的钟 2023-10-16 23:04 62阅读 0赞

来源:http://www.jb51.net/article/42826.htm

给各位介绍一下Curl多线程实例与原理。不对之处请指教  
相信许多人对php手册中语焉不详的curl\_multi一族的函数头疼不已，它们文档少，给的例子 更是简单的让你无从借鉴，我也曾经找了许多网页，都没见一个完整的应用例子。  
curl\_multi\_add\_handle  
curl\_multi\_close  
curl\_multi\_exec  
curl\_multi\_getcontent  
curl\_multi\_info\_read  
curl\_multi\_init  
curl\_multi\_remove\_handle  
curl\_multi\_select  
一般来说，想到要用这些函数时，目的显然应该是要同时请求多个url，而不是一个一个依次请求，否则不如自己循环去调curl\_exec好了。  
步骤总结如下：  
第一步：调用curl\_multi\_init  
第二步：循环调用curl\_multi\_add\_handle  
这一步需要注意的是，curl\_multi\_add\_handle的第二个参数是由curl\_init而来的子handle。  
第三步：持续调用curl\_multi\_exec  
第四步：根据需要循环调用curl\_multi\_getcontent获取结果  
第五步：调用curl\_multi\_remove\_handle，并为每个字handle调用curl\_close  
第六步：调用curl\_multi\_close  
这里有PHP手册上的例子：

复制代码代码如下:

<?php  
// 创建一对cURL资源  
$ch1 = curl\_init();  
$ch2 = curl\_init();  
  
// 设置URL和相应的选项  
curl\_setopt($ch1, CURLOPT\_URL, "http://www.jb51.net/");  
curl\_setopt($ch1, CURLOPT\_HEADER, 0);  
curl\_setopt($ch2, CURLOPT\_URL, "http://www.php.net/");  
curl\_setopt($ch2, CURLOPT\_HEADER, 0);  
  
// 创建批处理cURL句柄  
$mh = curl\_multi\_init();  
  
// 增加2个句柄  
curl\_multi\_add\_handle($mh,$ch1);  
curl\_multi\_add\_handle($mh,$ch2);  
  
$active = null;  
// 执行批处理句柄  
do \{  
$mrc = curl\_multi\_exec($mh, $active);  
\} while ($mrc == CURLM\_CALL\_MULTI\_PERFORM);  
  
while ($active && $mrc == CURLM\_OK) \{  
if (curl\_multi\_select($mh) != -1) \{  
do \{  
$mrc = curl\_multi\_exec($mh, $active);  
\} while ($mrc == CURLM\_CALL\_MULTI\_PERFORM);  
\}  
\}  
  
// 关闭全部句柄  
curl\_multi\_remove\_handle($mh, $ch1);  
curl\_multi\_remove\_handle($mh, $ch2);  
curl\_multi\_close($mh);  
?>

整个使用过程差不多就是这样，但是，这个简单代码有个致命弱点，就是在do循环的那段，在整个url请求期间是个死循环，它会轻易导致CPU占用100%。  
现在我们来改进它，这里要用到一个几乎没有任何文档的函数curl\_multi\_select了，虽然C的curl库对select有说明，但是，php里的接口和用法确与C中有不同。  
把上面do的那段改成下面这样：

复制代码代码如下:

do \{  
$mrc = curl\_multi\_exec($mh,$active);  
\} while ($mrc == CURLM\_CALL\_MULTI\_PERFORM);  
while ($active and $mrc == CURLM\_OK) \{  
if (curl\_multi\_select($mh) != -1) \{  
do \{  
$mrc = curl\_multi\_exec($mh, $active);  
\} while ($mrc == CURLM\_CALL\_MULTI\_PERFORM);  
\}  
\}

因为$active要等全部url数据接受完毕才变成false，所以这里用到了curl\_multi\_exec的返回值判断是否还有数据，当有数据的时候就不停调用curl\_multi\_exec，暂时没有数据就进入select阶段，新数据一来就可以被唤醒继续执行。这里的好处就是CPU的无谓消耗没有了。  
另外：还有一些细节的地方可能有时候要遇到：  
控制每一个请求的超时时间，在curl\_multi\_add\_handle之前通过curl\_setopt去做：  
curl\_setopt($ch, CURLOPT\_TIMEOUT, $timeout);   
判断是否超时了或者其他错误，在curl\_multi\_getcontent之前用：curl\_error($conn\[$i\]);

本类的特点：  
运行非常稳定。  
设置一个并发就会始终以这个并发数进行工作，即使通过回调函数添加任务也不影响。  
CPU占用极低，绝大部分CPU消耗在用户的回调函数上。  
内存利用率高，任务数量较多（15W个任务占用内存会超过256M）可以使用回调函数添加任务，个数自定。  
能够最大限度的占用带宽。  
链式任务，比如一个任务需要从多个不同的地址采集数据，可以通过回调一气呵成。  
能够对CURL错误进行多次尝试，次数自定（大并发一开始容易产生CURL错误，网络状况或对方服务器稳定性也有可能产生CURL错误）。  
回调函数相当灵活，可以多种类型任务同时进行（比如下载文件，抓取网页，分析404可以在一个PHP进程中同时进行）。  
可以非常容易的定制任务类型，比如检查404，获取redirect的最后url等。  
可以设置缓存，挑战产品节操。  
不足：  
不能充分利用多核CPU（可以开多个进程解决，需要自己处理任务分割等逻辑）。  
最大并发500（或512？），经过测试是CURL 内部限制，超过最大并发会导致总是返回失败。  
目前没有断点续传功能。  
目前任务是原子性的，不能对一个大文件分为几部分分别开线程下载。