PHP使用QPM实现多进程并行任务处理程序

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。

QPM全名是 Quick Process Management Module for PHP. PHP 是强大的web开发语言，以至于大家常常忘记PHP 可以用来开发健壮的命令行（CLI）程序以至于daemon程序。 而编写daemon程序免不了与各种进程管理打交道。QPM正式为简化进程管理而开发的类库。QPM的项目地址是：https://github.com/Comos/qpm

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);
$config = [
    //指定taskFactory对象和工厂方法‘factoryMethod‘=>[$spiderTaskFactory, ‘fetchTask‘],
    //指定最大并发数量为3‘quantity‘ => 3,
];
//启动Supervisor
qpm\supervisor\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
                $_fh;
publicfunction__construct($input) {$this->_input = $input;
    $this->_fh = fopen($input, ‘r‘);
    if ($this->_fh === false) {
        thrownewException(‘fopen failed:‘.$input);
    }
}
publicfunctionfetchTask() {while (true) {
        if (feof($this->_fh)) {
            thrownew qpm\supervisor\StopSignal();
        }
        $line = trim(fgets($this->_fh));
        if ($line == ‘END‘) {
            thrownew qpm\supervisor\StopSignal();
        }

        if (empty($line)) {
            continue;
        }

        break;
    }

    returnnew SpiderTask($line);
}
}
        

SpiderTask 的实现如下：

            
                /**
 * 在子进程中执行任务的类
 * 必须实现 qpm\process\Runnable 接口
 */
                
                    class
                    SpiderTask
                    implements
                    qpm\process\Runnable {
                private
                $_target;

publicfunction__construct($target) {$this->_target = $target;
}
//在子进程中执行的部分publicfunctionrun() {$r = @file_get_contents($this->_target);
    if ($r===false) {
        thrownewException(‘fail to crawl url:‘.$this->_target);
    }
    file_put_contents($this->getLocalFilename(), $r);   
}

privatefunctiongetLocalFilename() {$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。