PHP是4个进程还是五个,PHP多进程(4) ：内部多进程

说的都是只兼容unix 服务器的多进程，下面来讲讲在window 和 unix 都兼容的多进程(这里是泛指，下面的curl实际上是通过IO复用实现的)。

通过扩展实现多线程的典型例子是CURL，CURL 支持多线程的抓取网页的功能。

这部分过于抽象，所以，我先给出一个CURL并行抓取多个网页内容的一个分装类。这个类实际上很实用，

详细分析这些函数的内部实现将在下一个教程里面描述。

你可能不能很好的理解这个类，而且，php curl 官方主页上都有很多错误的例子，在讲述了其内部机制

后，你就能够明白了。

先看代码：

classHttp_MultiRequest

{//要并行抓取的url 列表

private $urls =array();//curl 的选项

private$options;//构造函数

function __construct($options =array())

{

$this->setOptions($options);

}//设置url 列表

function setUrls($urls)

{

$this->urls =$urls;return $this;

}//设置选项

function setOptions($options)

{

$options[CURLOPT_RETURNTRANSFER]= 1;if (isset($options[‘HTTP_POST‘]))

{

curl_setopt($ch, CURLOPT_POST,1);

curl_setopt($ch, CURLOPT_POSTFIELDS, $options[‘HTTP_POST‘]);

unset($options[‘HTTP_POST‘]);

}if (!isset($options[CURLOPT_USERAGENT]))

{

$options[CURLOPT_USERAGENT]= ‘Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1;)‘;

}if (!isset($options[CURLOPT_FOLLOWLOCATION]))

{

$options[CURLOPT_FOLLOWLOCATION]= 1;

}if (!isset($options[CURLOPT_HEADER]))

{

$options[CURLOPT_HEADER]= 0;

}

$this->options =$options;

}//并行抓取所有的内容

function exec()

{if(empty($this->urls) || !is_array($this->urls))

{return false;

}

$curl= $data =array();

$mh=curl_multi_init();foreach($this->urls as $k =>$v)

{

$curl[$k]= $this->addHandle($mh, $v);

}

$this->execMulitHandle($mh);foreach($this->urls as $k =>$v)

{

$data[$k]=curl_multi_getcontent($curl[$k]);

curl_multi_remove_handle($mh, $curl[$k]);

}

curl_multi_close($mh);return$data;

}//只抓取一个网页的内容。

function execOne($url)

{if(empty($url)) {return false;

}

$ch=curl_init($url);

$this->setOneOption($ch);

$content=curl_exec($ch);

curl_close($ch);return$content;

}//内部函数，设置某个handle 的选项

privatefunction setOneOption($ch)

{

curl_setopt_array($ch, $this->options);

}//添加一个新的并行抓取 handle

privatefunction addHandle($mh, $url)

{

$ch=curl_init($url);

$this->setOneOption($ch);

curl_multi_add_handle($mh, $ch);return$ch;

}//并行执行(这样的写法是一个常见的错误，我这里还是采用这样的写法，这个写法//下载一个小文件都可能导致cup占用100%, 并且，这个循环会运行10万次以上//这是一个典型的不懂原理产生的错误。这个错误在PHP官方的文档上都相当的常见。)

privatefunction execMulitHandle2($mh)

{

$i= 0;

$running= null;do{

curl_multi_exec($mh, $running);

$i++;

}while ($running > 0);//var_dump($i);

}//应该用这样的写法

privatefunction execMulitHandle($mh)

{

$i= 0;do {$mrc = curl_multi_exec($mh,$active); $i++;} while ($mrc ==CURLM_CALL_MULTI_PERFORM);while ($active && $mrc ==CURLM_OK)

{if (curl_multi_select($mh) != -1)

{do {$mrc = curl_multi_exec($mh, $active); $i++;} while ($mrc ==CURLM_CALL_MULTI_PERFORM);

}

$i++;

}//var_dump($i);

}

}

看最后一个注释最多的函数，这个错误在平时调试的时候可能不太容易发现，因为程序完全正常，但是，在生产服务器下，马上会引起崩溃效果。

解释为什么不能这样，必须从C 语言内部实现的角度来分析。这个部分将放到下一个教程(PHP高级编程之–单线程实现并行抓取网页 )。不过不是通过C语言来表述原理，而是通过PHP

这个类，实际上也就很简单的实现了前面我们费了4个教程的篇幅，并且是九牛二虎之力才实现的多线程的抓取网页的功能。在纯PHP的实现下，我们只能用一个后台服务的方式来比较好的实现，但是当你使用 操作系统接口语言 C 语言时候，这个实现当然就更加的简单，灵活，高效。

就同时抓取几个网页这样一件简单的事情，实际上在底层涉及到了很多东西，对很多半路出家的PHP程序员，可能不喜欢谈多线程这个东西，深入了就涉及到操作系统，浅点说就是并行运行好几个“程序”。但是，很多时候，多线程必不可少，比如要写个快点的爬虫，往往就会浪费九牛二虎之力。不过，PHP的程序员现在应该感谢CURL 这个扩展，这样，你完全不需要用你不太精通的 python 去写爬虫了，对于一个中型大小的爬虫，有这个内部多线程，就已经足够了。

最后是上面的类的一个测试的例子：

$urls = array("http://baidu.com", "http://baidu.com", "http://baidu.com", "http://baidu.com", "http://baidu.com", "http://baidu.com", "http://www.google.com", "http://www.sina.com.cn", );

$m= newHttp_MultiRequest();

$t= microtime(true);

$m->setUrls($urls);//parallel fetch(并行抓取):

$data = $m->exec();

$parallel_time= microtime(true) -$t;

echo $parallel_time ."\n";

$t= microtime(true);//serial fetch(串行抓取):

foreach ($urls as$url)

{

$data[]= $m->execOne($url);

}

$serial_time= microtime(true) -$t;

echo $serial_time ."\n";

原文：http://www.cnblogs.com/chunguang/p/5578464.html