使用 PHP 的 cURL 多线程

Question

我正在使用 cURL 来获取存储在数据库中的 20,000 多个域名的排名数据。

我使用的代码是http://semlabs.co.uk/journal/object-oriented-curl-class-with-multi-threading。

数组 $competeRequests 是 20,000 个对网站排名的competition.com api 的请求。

这是一个示例请求： http://apps.compete.com/sites/stackoverflow.com/trended/rank/?apikey=xxxx&start_date=201207&end_date=201208&jsonp=";

由于有 20,000 个这样的请求，我想将它们分成块，所以我使用以下代码来完成：

foreach(array_chunk($competeRequests, 1000) as $requests) {
    foreach($requests as $request) {
        $curl->addSession( $request, $opts );
    }

}

这非常适合批量发送 1,000 个请求，但脚本执行时间过长。我已将 max_execution_time 增加到 10 分钟以上。

有没有办法从我的数组发送 1000 个请求，然后解析结果，然后输出状态更新，然后继续下一个 1000 个请求，直到数组为空？截至目前，在脚本执行的整个过程中屏幕一直保持白色，可能超过 10 分钟。

Answer 1

以上接受的答案已经过时，所以，正确的答案必须被投票。

http://php.net/manual/en/function.curl-multi-init.php

现在，PHP 支持同时获取多个 URL。

Answer 2

这个总是为我做这项工作...https://github.com/petewarden/ParallelCurl

Answer 3

https://github.com/krakjoe/pthreads

您可以使用 PHP 线程，所描述的代码只是可怕的线程编程，我不建议您这样做，但想向您展示 20,000 个线程的开销......这是 18 秒，在我的当前硬件是 Intel G620（双核），具有 8gigs 内存，在服务器硬件上，您可以期待更快的结果......如何处理这样的任务取决于您的资源以及您请求的服务的资源。 ..

Answer 4

把它放在你的 php 脚本的顶部：

set_time_limit(0);
@apache_setenv('no-gzip', 1);//comment this out if you use nginx instead of apache
@ini_set('zlib.output_compression', 0);
@ini_set('implicit_flush', 1);
for ($i = 0; $i < ob_get_level(); $i++) { ob_end_flush(); }
ob_implicit_flush(1);

这将禁用 Web 服务器或 php 可能正在执行的所有缓存，使您的输出在脚本运行时显示在浏览器上。

如果你使用 nginx 网络服务器而不是 apache，请注意注释掉 apache_setenv 这一行。

nginx 更新：

所以 OP 使用的是 nginx，这让事情变得有点棘手，因为 nginx 不允许从 PHP 禁用 gzip 压缩。我也使用 nginx，但我发现它默认处于活动状态，请参阅：

cat /etc/nginx/nginx.conf | grep gzip
    gzip on;
    gzip_disable "msie6";
    # gzip_vary on;
    # gzip_proxied any;
    # gzip_comp_level 6;
    # gzip_buffers 16 8k;
    # gzip_http_version 1.1;
    # gzip_types text/plain text/css application/json application/x-javascript text/xml application/xml application/xml+rss text/javascript;

所以你需要在 nginx.conf 上禁用 gzip 并重新启动 nginx：

/etc/init.d/nginx restart

或者您可以使用gzip_disable 或gzip_types 选项，分别针对某些浏览器或某些页面内容类型有条件地禁用gzip。