Skip to content

使用Supervisor实现基于队列的并行任务处理程序

Qing Zhao edited this page Mar 26, 2015 · 1 revision

考虑用PHP实现以下场景: 有一个抓站的URL列表保存在队列里,后台程序读取这个队列,然后转交给子进程去抓取HTML存放到文件里。 为了提高效率,允许多任务并行执行,但为了避免机器负载过高,限制了最大的并行任务数(为了测试方便,我们把这个数设为3),当队列中取到 END标记时,程序结束运行。

这个场景用QPM的Supervisor::taskFactoryMode()实现,非常简单。

为了,简化测试环境,我们可以用一个文本文件来模拟队列的数据。完整的例子文件看这里:spider_task_factory_data.txt

http://news.sina.com.cn/
http://news.ifeng.com/
http://news.163.com/
http://news.sohu.com/
http://ent.sina.com.cn/
http://ent.ifeng.com/
...
END

使用QPM的taskFactoryMode之前,我们需要准备一个TaskFactory类。 我们将其命名为 SpiderTaskFactory,SpdierTaskFactory 的工厂方法fetchTask 正常返回 Runnable的子类的实例。当碰到END或文件结束,则throw StopSignal,这样程序就会终止。

以下是组装 Supervisor 并执行的代码片段。完整的例子见:spider_task_factory.php

    //如果没有从参数指定输入,把spider_task_factory_data.txt作为数据源
    $input = isset($argv[1]) ? $argv[1] : __DIR__.'/spider_task_factory_data.txt';
    
    $spiderTaskFactory = new SpiderTaskFactory($input);
    $config = [
		//指定taskFactory对象和工厂方法
		'factory'=>[$spiderTaskFactory, 'fetchTask'],
		//指定最大并发数量为3
		'quantity' => 3,
    ];
    //启动Supervisor
    Comos\Qpm\Supervision\Supervisor::taskFactoryMode($config)->start();

SpiderTaskFactory 的实现如下:

    /**
     * 任务工厂,必须实现 fetchTask方法。
     * 该方法正常返回
     * 
    */
    class SpiderTaskFactory {
	private $_fh;
	public function __construct($input) {
		$this->_input = $input;
		$this->_fh = fopen($input, 'r');
		if ($this->_fh === false) {
			throw new Exception('fopen failed:'.$input);
		}
	}
	public function fetchTask() {
		while (true) {
			if (feof($this->_fh)) {
				throw new Comos\Qpm\supervisor\StopSignal();
			}
			$line = trim(fgets($this->_fh));
			if ($line == 'END') {
				throw new Comos\Qpm\supervisor\StopSignal();
			}
			
			if (empty($line)) {
				continue;
			}
			
			break;
		}
		
		return new SpiderTask($line);
	}
    }

SpiderTask 的实现如下:

    /**
     * 在子进程中执行任务的类
     * 必须实现 Runnable 接口
     */
    class SpiderTask implements Comos\Qpm\Process\Runnable {
	private $_target;
	
	public function __construct($target) {
		$this->_target = $target;
	}
	//在子进程中执行的部分
	public function run() {
		$r = @file_get_contents($this->_target);
		if ($r===false) {
			throw new Exception('fail to crawl url:'.$this->_target);
		}
		file_put_contents($this->getLocalFilename(), $r);	
	}
	
	private function getLocalFilename() {
		$filename = str_replace('/', '~', $this->_target);
		$filename = str_replace(':', '_', $filename);
		$filename = $filename.'-'.date('YmdHis');
		return __DIR__.'/_spider/'.$filename.'.html';
	}
    }

真实的生产环境,用队列替换文件输入,即可实现持久运行的生产者/消费者模型的程序。

You can’t perform that action at this time.