前言
首发于 github blog
做过爬虫的都知道,要控制爬虫的请求并发量,其实也就是控制其爬取频率,以免被封IP,还有的就是以此来控制爬虫应用运行内存,否则一下子处理N个请求,内存分分钟会爆。
而 python
爬虫一般用多线程来控制并发,
然而如果是node.js
爬虫,由于其单线程无阻塞性质以及事件循环机制,一般不用多线程来控制并发(当然node.js
也可以实现多线程,此处非重点不再多讲),而是更加简便地直接在代码层级上实现并发。
为图方便,开发者在开发node
爬虫一般会找一个并发控制的npm包
,然而第三方的模块有时候也并不能完全满足我们的特殊需求,这时候我们可能就需要一个自己定制版的并发控制函数。
下面我们用15行代码实现一个并发控制的函数。
具体实现
参数
首先,一个基本的并发控制函数,基本要有以下3个参数:
-
list
{Array} - 要迭代的数组 -
limit
{number} - 控制的并发数量 -
asyncHandle
{function} - 对list
的每一个项的处理函数
设计
以下以爬虫为实例进行讲解
设计思路其实很简单,假如并发量控制是 5
-
首先,瞬发 5 个异步请求,我们就得到了并发的 5 个异步请求
// limit = 5 while(limit--) { handleFunction(list) }
-
然后,这 5 个异步请求中无论哪一个先执行完,都会继续执行下一个
list
项let recursion = (arr) => { return asyncHandle(arr.shift()) .then(()=>{ // 迭代数组长度不为0, 递归执行自身 if (arr.length!==0) return recursion(arr) // 迭代数组长度为0,结束 else return 'finish'; }) }
-
等
list
所有的项迭代完之后的回调return Promise.all(allHandle)
代码
上述步骤组合起来,就是
/**
* @params list {Array} - 要迭代的数组
* @params limit {Number} - 并发数量控制数
* @params asyncHandle {Function} - 对`list`的每一个项的处理函数,参数为当前处理项,必须 return 一个Promise来确定是否继续进行迭代
* @return {Promise} - 返回一个 Promise 值来确认所有数据是否迭代完成
*/
let mapLimit = (list, limit, asyncHandle) => {
let recursion = (arr) => {
return asyncHandle(arr.shift())
.then(()=>{
if (arr.length!==0) return recursion(arr) // 数组还未迭代完,递归继续进行迭代
else return 'finish';
})
};
let listCopy = [].concat(list);
let asyncList = []; // 正在进行的所有并发异步操作
while(limit--) {
asyncList.push( recursion(listCopy) );
}
return Promise.all(asyncList); // 所有并发异步操作都完成后,本次并发控制迭代完成
}
测试demo
模拟一下异步的并发情况
var dataLists = [1,2,3,4,5,6,7,8,9,11,100,123];
var count = 0;
mapLimit(dataLists, 3, (curItem)=>{
return new Promise(resolve => {
count++
setTimeout(()=>{
console.log(curItem, '当前并发量:', count--)
resolve();
}, Math.random() * 5000)
});
}).then(response => {
console.log('finish', response)
})
结果如下:
手动抛出异常中断并发函数测试:
var dataLists = [1,2,3,4,5,6,7,8,9,11,100,123];
var count = 0;
mapLimit(dataLists, 3, (curItem)=>{
return new Promise((resolve, reject) => {
count++
setTimeout(()=>{
console.log(curItem, '当前并发量:', count--)
if(curItem > 4) reject('error happen')
resolve();
}, Math.random() * 5000)
});
}).then(response => {
console.log('finish', response)
})
并发控制情况下,迭代到5,6,7 手动抛出异常,停止后续迭代:
**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。