php中curl_init()的作用很大,尤其是在抓取网页内容或文件信息的时候,例如之前文章curl获得header检测GZip压缩的源代码就介绍到curl_init()的强大。
curl_init()处理事物是单线程模式,如果需要对事务处理走多线程模式,那么php里提供了一个函数curl_multi_init()给我们,这就是多线程模式处理事务的函数。
curl_init()与curl_multi_init()的速度比较
curl_multi_init()多线程能提高网页的处理速度吗?今天我通过实验来验证一下这个问题。
今天我的测试很简单,那就是要抓取www.webkaka.com网页的内容,要连续抓5次,分别用curl_init()和curl_multi_init()函数来完成,记录两者的耗时,比较得出结论。
首先,用curl_init()单线程连续抓5次www.webkaka.com网页的内容。
程序代码如下:
- <?php
- $mtime = explode(" ", microtime());
- $mtime = $mtime[1].($mtime[0] * 1000);
- $mtime2 = explode(".", $mtime);
- $mtime = $mtime2[0];
- echo $mtime;
- echo "<br>";
- for($i=1; $i<=5; $i++){
- $szUrl = 'http://www.webkaka.com/';
- $curl = curl_init();
- curl_setopt($curl, CURLOPT_URL, $szUrl);
- curl_setopt($curl, CURLOPT_HEADER, 0);
- curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
- curl_setopt($curl, CURLOPT_ENCODING, '');
- $data=curl_exec($curl);
- echo $data;
- echo "<br>";
- $mtime_ = explode(" ", microtime());
- $mtime_ = $mtime_[1].($mtime_[0] * 1000);
- $mtime2_ = explode(".", $mtime_);
- $mtime_ = $mtime2_[0];
- echo $mtime_;
- echo "<br>";
- echo $mtime_ - $mtime;
- }
- ?>
然后,用curl_multi_init()多线程连续抓5次www.webkaka.com网页的内容。
代码如下:
- <?php
- echo date("Y-m-d H:m:s",time());
- echo " ";
- echo floor(microtime()*1000);
- echo "<br>";
- $mtime = explode(" ", microtime());
- $mtime = $mtime[1].($mtime[0] * 1000);
- $mtime2 = explode(".", $mtime);
- $mtime = $mtime2[0];
- echo $mtime;
- echo "<br>";
- $urls = array(
- 'http://www.webkaka.com',
- 'http://www.webkaka.com',
- 'http://www.webkaka.com',
- 'http://www.webkaka.com',
- 'http://www.webkaka.com');
- print_r(async_get_url($urls)); // [0] => example1, [1] => example2
- echo "<br>";
- echo date("Y-m-d H:m:s",time());
- echo " ";
- echo floor(microtime()*1000);
- echo "<br>";
- $mtime_ = explode(" ", microtime());
- $mtime_ = $mtime_[1].($mtime_[0] * 1000);
- $mtime2_ = explode(".", $mtime_);
- $mtime_ = $mtime2_[0];
- echo $mtime_;
- echo "<br>";
- echo $mtime_ - $mtime;
- function async_get_url($url_array, $wait_usec = 0)
- {
- if (!is_array($url_array))
- return false;
- $wait_usec = intval($wait_usec);
- $data = array();
- $handle = array();
- $running = 0;
- $mh = curl_multi_init(); // multi curl handler
- $i = 0;
- foreach($url_array as $url) {
- $ch = curl_init();
- curl_setopt($ch, CURLOPT_URL, $url);
- curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); // return don't print
- curl_setopt($ch, CURLOPT_TIMEOUT, 30);
- curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)');
- curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
- curl_setopt($ch, CURLOPT_MAXREDIRS, 7);
- curl_multi_add_handle($mh, $ch); // 把 curl resource 放进 multi curl handler 里
- $handle[$i++] = $ch;
- }
- /* 执行 */
- do {
- curl_multi_exec($mh, $running);
- if ($wait_usec > 0) /* 每个 connect 要间隔多久 */
- usleep($wait_usec); // 250000 = 0.25 sec
- } while ($running > 0);
- /* 读取资料 */
- foreach($handle as $i => $ch) {
- $content = curl_multi_getcontent($ch);
- $data[$i] = (curl_errno($ch) == 0) ? $content : false;
- }
- /* 移除 handle*/
- foreach($handle as $ch) {
- curl_multi_remove_handle($mh, $ch);
- }
- curl_multi_close($mh);
- return $data;
- }
- ?>
为了避免随机性,我分别测了5次(用CTRL+F5强行刷新的方式),数据如下:
curl_init():
第一次 | 第二次 | 第三次 | 第四次 | 第五次 | 平均 | |
耗时(ms) | 3724 | 3615 | 2540 | 1957 | 2794 | 2926 |
curl_multi_init():
第一次 | 第二次 | 第三次 | 第四次 | 第五次 | 平均 | |
耗时(ms) | 4275 | 2912 | 3691 | 4198 | 3891 | 3793 |
从测试结果来看,我们发现两种方法的耗时差不了太多,只有700多毫秒。很多人原本以为多线程比单线程耗时会短很多,实际上并不是这样的,从数据来看,多线程反而比单线程耗时更多了一点。不过,对于某些事务来说,用多线程来处理不一定是为了追求速度,这个是需要注意的。
关于curl_multi_init()
一般来说,想到要用curl_multi_init()时,目的是要同时请求多个url,而不是一个一个依次请求,否则就要curl_init()了。
不过,在使用curl_multi的时候,你可能遇到cpu消耗过高、网页假死等现象,可以看看如何解决curl_multi导致网页假死的问题
使用curl_multi的步骤总结如下:
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
各函数作用解释:
curl_multi_init()
初始化一个curl批处理句柄资源。
curl_multi_add_handle()
向curl批处理会话中添加单独的curl句柄资源。curl_multi_add_handle()函数有两个参数,第一个参数表示一个curl批处理句柄资源,第二个参数表示一个单独的curl句柄资源。
curl_multi_exec()
解析一个curl批处理句柄,curl_multi_exec()函数有两个参数,第一个参数表示一个批处理句柄资源,第二个参数是一个引用值的参数,表示剩余需要处理的单个的curl句柄资源数量。
curl_multi_remove_handle()
移除curl批处理句柄资源中的某个句柄资源,curl_multi_remove_handle()函数有两个参数,第一个参数表示一个curl批处理句柄资源,第二个参数表示一个单独的curl句柄资源。
curl_multi_close()
关闭一个批处理句柄资源。
curl_multi_getcontent()
在设置了CURLOPT_RETURNTRANSFER的情况下,返回获取的输出的文本流。
curl_multi_info_read()
获取当前解析的curl的相关传输信息。