curl_init()和curl_multi_init()多线程的速度比较

来源:http://www.webkaka.com/tutorial/php/2013/102843/

• 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：

  $mtime = explode(" ", microtime());
  $mtime = $mtime[1].($mtime[0] * 1000);
  $mtime2 = explode(".", $mtime);
  $mtime = $mtime2[0];
  echo $mtime;
  echo "
  ";
  for($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 "
  ";
  $mtime_ = explode(" ", microtime());
  $mtime_ = $mtime_[1].($mtime_[0] * 1000);
  $mtime2_ = explode(".", $mtime_);
  $mtime_ = $mtime2_[0];
  echo $mtime_;
  echo "
  ";
  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：

  echo date("Y-m-d H:m:s",time());
  echo " ";
  echo floor(microtime()*1000);
  echo "
  ";
  $mtime = explode(" ", microtime());
  $mtime = $mtime[1].($mtime[0] * 1000);
  $mtime2 = explode(".", $mtime);
  $mtime = $mtime2[0];
  echo $mtime;
  echo "
  ";
  $urls = array(
  'http://www.webkaka.com',
  'http://www.webkaka.com',
  'http://www.webkaka.com',
  'http://www.webkaka.com',
  'http://www.webkaka.com');
  print_r(async_get_url($urls)); // [0] => example1, [1] => example2
  echo "
  ";
  echo date("Y-m-d H:m:s",time());
  echo " ";
  echo floor(microtime()*1000);
  echo "
  ";
  $mtime_ = explode(" ", microtime());
  $mtime_ = $mtime_[1].($mtime_[0] * 1000);
  $mtime2_ = explode(".", $mtime_);
  $mtime_ = $mtime2_[0];
  echo $mtime_;
  echo "
  ";
  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。

  实例
  请看本文里async_get_url()的写法。

• Tags: curl_init  curl_multi_init  curl_multi