PHP Curl多线程实现原理与实例详解

因为工作中我们经常会需要使用到Curl多线程来处理一些事情,不得己就深入了对Curl多线程研究了,下面小编来给各位同学介绍一下Curl多线程实例与原理吧.

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。

1. curl_multi_add_handle  
2. curl_multi_close  
3. curl_multi_exec  
4. curl_multi_getcontent  
5. curl_multi_info_read  
6. curl_multi_init  
7. curl_multi_remove_handle  
8. 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,代码如下:

1. <?php  
2. // 创建一对cURL资源  
3. $ch1 = curl_init();  
4. $ch2 = curl_init();  
5.    
6. // 设置URL和相应的选项  
7. curl_setopt($ch1, CURLOPT_URL, "http://lxr.php.net/");  
8. curl_setopt($ch1, CURLOPT_HEADER, 0);  
9. curl_setopt($ch2, CURLOPT_URL, "http://www.php.net/");  
10. curl_setopt($ch2, CURLOPT_HEADER, 0);  
11.    
12. // 创建批处理cURL句柄  
13. $mh = curl_multi_init();  
14.    
15. // 增加2个句柄  
16. curl_multi_add_handle($mh,$ch1);  
17. curl_multi_add_handle($mh,$ch2);  
18.    
19. $active = null;  
20. // 执行批处理句柄  
21. do {  
22.     $mrc = curl_multi_exec($mh, $active);  
23. } while ($mrc == CURLM_CALL_MULTI_PERFORM);  
24.    
25. while ($active && $mrc == CURLM_OK) {  
26.     if (curl_multi_select($mh) != -1) {  
27.         do {  
28.             $mrc = curl_multi_exec($mh, $active);  
29.         } while ($mrc == CURLM_CALL_MULTI_PERFORM);  
30.     }  
31. }  
32. // 关闭全部句柄  
33. curl_multi_remove_handle($mh, $ch1);  
34. curl_multi_remove_handle($mh, $ch2);  
35. curl_multi_close($mh);  
36. ?> 

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,实例代码如下:

1. do {  
2.                         $mrc = curl_multi_exec($mh,$active);  
3.                  } while ($mrc == CURLM_CALL_MULTI_PERFORM);  
4.                 while ($active and $mrc == CURLM_OK) {  
5.                         if (curl_multi_select($mh) != -1) {  
6.                                 do {  
7.                                         $mrc = curl_multi_exec($mh, $active);  
8.                                  } while ($mrc == CURLM_CALL_MULTI_PERFORM);  
9.                          }  
10.                  } 

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.