浅析php curl_multi_*系列函数进行批量http请求

何起：

　　一系列 数量很大 数据不热 还希望被蜘蛛大量抓取的页面，在蜘蛛抓取高峰时，响应时间会被拉得很高。

　　前人做了这样一个事儿：页面分3块，用3个内部接口提供，入口文件用curl_multi_*系列函数抓取3个内部接口的内容，拼成一个页面。

　　怀疑这样做会有影响性能的可能。

 

　　故学而分析之。

 

看了php官方手册，总结批量调用过程如下：

　　curl_multi_init — 返回一个新cURL批处理句柄，作为curl_init生成的单个curl句柄的容器

　　curl_multi_add_handle — 向curl批处理会话中添加单独的curl句柄。

　　curl_multi_exec — 运行当前 cURL 句柄的子连接，curl_multi_select()的值

　　　　curl_multi_select — 等待所有cURL批处理中的活动连接

　　curl_multi_getcontent — 如果设置了CURLOPT_RETURNTRANSFER，则返回获取的输出的文本流

　　curl_multi_remove_handle — 移除curl批处理句柄资源中的某个句柄资源

　　curl_multi_close — 关闭一组cURL句柄

摘一段php官网的示例代码：　　

<?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($ch1, CURLOPT_URL, "http://lxr.php.net/");
curl_setopt($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);
    }
}

// 读取数据
$content1 = curl_multi_getcontent($ch1);

$content2 = curl_multi_getcontent($ch2);

// 关闭全部句柄
curl_multi_remove_handle($mh, $ch1);
curl_multi_remove_handle($mh, $ch2);
curl_multi_close($mh);

?>

 

疑惑和思考：

　　1.批量请求的原理

　　　　php没有多线程，借助操作系统的多线程来实现（网上看到的）

　　2.批量请求以操作系统的多线程机制为基础，理论上会大量消耗机器的cpu

　　　　a.开发机上验证，大批量请求时，cpu调用确实会急剧升高

　　　　b.对比 线上前端机的负载情况 和 页面响应时间拉长 的时间点，发现线上前端机负载并无明显升高（维持在0.3左右）

　　　　c.网上看到有人在curl_multi_select()返回值不是－1的时候（表示有请求没有处理完成）usleep(100)，休眠以避免不对读处理状态而造成的不必要cpu压力。

　　notice：

　　　　2中的a、b有所矛盾，暂未找到根本原因

　　　　2中的c没有经过实践测试

 

欢迎阅者批评指正

 

笔者：一般的小帅