一、引言
这段时间比较忙,已经很久没有写博客了。今天我就来聊聊我关于curl_multi_*函数集的使用心得,关于http请求的问题。
当我们用户php发起一个http请求的时候。我们会首先想到用什么?没错,我们会创建curl来请求。当我们在一次执行中需要发起多个http请求呢。这简单,对每一个URL发起一次url请求。请求玩第1个再请求第2个....这就完了?哪我们还说个啥。
官网链接:http://php.net/manual/zh/book.curl.php
二、多次简单的curl请求弊端
我们举个栗子。现在有三个http请求。每个请求耗时2s。如果按照简单的curl请求(图1-(1))。耗时6s.这是不能容忍的。如果请求的个数越多耗时约多。
有没有一种方式来缩小查询时间?能不能三个http请求同时执行(如图1-(1))?有很多方法来解决这个问题,将耗时减少到2s。如:多进程、线程、事件循环、curl_multi_*等等。最简单的方式就是通过curl_multi_*函数来完成。事实上curl_multi_*内部实现就是用的事件循环。
三、简单的curl_multi_*运用
<?php
/**
*
* curl_multi_*简单运用
*
* @author: rudy
* @date: 2016/07/12
*/
/**
* 根据url,postData获取curl请求对象,这个比较简单,可以看官方文档
*/
function getCurlObject($url,$postData=array(),$header=array()){
$options = array();
$url = trim($url);
$options[CURLOPT_URL] = $url;
$options[CURLOPT_TIMEOUT] = 10;
$options[CURLOPT_USERAGENT] = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.89 Safari/537.36';
$options[CURLOPT_RETURNTRANSFER] = true;
// $options[CURLOPT_PROXY] = '127.0.0.1:8888';
foreach($header as $key=>$value){
$options[$key] =$value;
}
if(!empty($postData) && is_array($postData)){
$options[CURLOPT_POST] = true;
$options[CURLOPT_POSTFIELDS] = http_build_query($postData);
}
if(stripos($url,'https') === 0){
$options[CURLOPT_SSL_VERIFYPEER] = false;
}
$ch = curl_init();
curl_setopt_array($ch,$options);
return $ch;
}
// 创建三个待请求的url对象
$chList = array();
$chList[] = getCurlObject('https://www.baidu.com');
$chList[] = getCurlObject('http://www.jd.com');
$chList[] = getCurlObject('http://www.jianshu.com/');
// 创建多请求执行对象
$downloader = curl_multi_init();
// 将三个待请求对象放入下载器中
foreach ($chList as $ch){
curl_multi_add_handle($downloader,$ch);
}
// 轮询
do {
while (($execrun = curl_multi_exec($downloader, $running)) == CURLM_CALL_MULTI_PERFORM) ;
if ($execrun != CURLM_OK) {
break;
}
// 一旦有一个请求完成,找出来,处理,因为curl底层是select,所以最大受限于1024
while ($done = curl_multi_info_read($downloader))
{
// 从请求中获取信息、内容、错误
$info = curl_getinfo($done['handle']);
$output = curl_multi_getcontent($done['handle']);
$error = curl_error($done['handle']);
// 将请求结果保存,我这里是打印出来
print $output;
// print "一个请求下载完成!\n";
// 把请求已经完成了得 curl handle 删除
curl_multi_remove_handle($downloader, $done['handle']);
}
// 当没有数据的时候进行堵塞,把 CPU 使用权交出来,避免上面 do 死循环空跑数据导致 CPU 100%
if ($running) {
$rel = curl_multi_select($downloader, 1);
if($rel == -1){
usleep(1000);
}
}
if( $running == false){
break;
}
} while (true);
// 下载完毕,关闭下载器
curl_multi_close($downloader);
echo "所有请求下载完成!";
在该例子中,首先创建三个或多个要请求的url请求对象。通过curl_multi_*函数创建下载器。将请求写入下载器中。最后轮询。等待三个请求现在完成。做处理。
四、复杂的curl_multi_*运用
这就是curl_multi_*用法?too yong too simple!在上面的例子中。下载器$downloader中的请求是一开始就添加好了的。我们能不能动态的向下载器中添加请求。动态的从下载器中取出已经完成了的请求。想想。这是什么?这不就是爬虫的核心部分-动态下载器。如何动态的添加?我们可以用多进程通过IPC添加。我们可以通过协程通过队列添加等待。
curl_multi_*函数实现的HTTP压测工具:
https://github.com/hirudy/phplib/blob/master/phpAb.php。curl_multi_*实现的http请求类:
https://github.com/hirudy/phplib
我这实现了一个通过协程+curl_multi_*的爬虫框架。
Tspider:https://github.com/hirudy/Tspider。
单进程可处理请求2000-5000/min。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。