swoole php 异步 网页,用Swoole异步抓取网页(二)

上篇我们讲到，无论我怎么调高重试次数，数据总是没有准备好。

我期望的异步动态模型是这样的：

asyncModel2.png

然而真实的场景不是这样的。通过调试，我大致了解到实际的模型应该是这样的：

asyncModel1.png

也就是说，无论我怎么提高重试次数，数据永远不会准备好，数据只有在当前函数准备好以后，才会开始执行，这里的异步，只是减少了准备连接的时间。

那么问题来了，我该如何让程序在准备数据之后执行我期望的功能呢。

先看一下Swoole官方执行异步任务的代码是如何写的

$serv = new swoole_server("127.0.0.1", 9501);

//设置异步任务的工作进程数量

$serv->set(array('task_worker_num' => 4));

$serv->on('receive', function($serv, $fd, $from_id, $data) {

//投递异步任务

$task_id = $serv->task($data);

echo "Dispath AsyncTask: id=$task_id\n";

});

//处理异步任务

$serv->on('task', function ($serv, $task_id, $from_id, $data) {

echo "New AsyncTask[id=$task_id]".PHP_EOL;

//返回任务执行的结果

$serv->finish("$data -> OK");

});

//处理异步任务的结果

$serv->on('finish', function ($serv, $task_id, $data) {

echo "AsyncTask[$task_id] Finish: $data".PHP_EOL;

});

$serv->start();

代码2.1

可以看到，官方是通过一个function匿名函数，将后续的执行逻辑传了进去。这么看，事情就变得简单多了。

/**

* Class Crawler

* Path: /Async/Crawler.php

*/

class Crawler

{

private $url;

private $toVisit = [];

public function __construct($url)

{

$this->url = $url;

}

public function visitOneDegree()

{

$this->visit($this->url, function ($content) {

$this->loadPage($content);

$this->visitAll();

});

}

private function loadPage($content)

{

$pattern = '#((http|ftp)://(\S*?\.\S*?))([\s)\[\]{},;"\':

preg_match_all($pattern, $content, $matched);

foreach ($matched[0] as $url) {

if (in_array($url, $this->toVisit)) {

continue;

}

$this->toVisit[] = $url;

}

}

private function visitAll()

{

foreach ($this->toVisit as $url) {

$this->visit($url);

}

}

private function visit($url, $callBack = null)

{

$urlInfo = parse_url($url);

Swoole\Async::dnsLookup($urlInfo['host'], function ($domainName, $ip) use($urlInfo, $callBack) {

if (!$ip) {

return;

}

$cli = new swoole_http_client($ip, 80);

$cli->setHeaders([

'Host' => $domainName,

"User-Agent" => 'Chrome/49.0.2587.3',

'Accept' => 'text/html,application/xhtml+xml,application/xml',

'Accept-Encoding' => 'gzip',

]);

$cli->get($urlInfo['path'], function ($cli) use ($callBack) {

if ($callBack) {

call_user_func($callBack, $cli->body);

}

$cli->close();

});

});

}

}

代码2.2

看了这段代码，竟然有种似曾相识的感觉，在nodejs开发中，随处可见的callback原来是有它的道理的。现在我才突然明白，原来callback的存在就是为了解决异步问题的。

执行了一下程序，竟然只用0.0007s，还没开始就已经结束了！异步的效率真的能提升这么多吗？答案当然是否定的，是我们的代码出问题了。

由于用了异步，没有等任务完全跑完，就已经执行了计算结束的时间的逻辑。看来又到了用callback的时候了。

/**

Async/Crawler.php

**/

public function visitOneDegree($callBack)

{

$this->visit($this->url, function ($content) use($callBack) {

$this->loadPage($content);

$this->visitAll();

call_user_func($callBack);

});

}

代码2.3

/**

* crawler.php

*/

require_once 'Async/Crawler.php';

$start = microtime(true);

$url = 'http://www.swoole.com/';

$ins = new Crawler($url);

$ins->visitOneDegree(function () use($start) {

$timeUsed = microtime(true) - $start;

echo "time used: " . $timeUsed;

});

/*output:

time used: 0.068463802337646

*/

代码2.4

现在来看，结果可信多了。

让我们比较一下同步的异步的差距，同步耗时6.26s，异步耗时0.068秒，差了整整6.192s。不，更准确地表述，应该是差了将近10倍！

当然，从效率上讲，异步远远高于同步的代码，但是从逻辑上讲，异步的逻辑比同步更绕，代码中会带来大量的callback，不便于理解。

Swoole官方里有一段关于异步与同步的选择的描述，非常中肯，分享给大家：

我们不赞成用异步回调的方式去做功能开发，传统的PHP同步方式实现功能和逻辑是最简单的，也是最佳的方案。像node.js这样到处callback，只是牺牲可维护性和开发效率。