基于PCNTL的PHP并发编程

jdgue

　　PHP是一门较早出现的WEB开发脚本语言，并由于其语法结构简单、易学、开源等特性迅速占领WEB开发脚本语言领域，并成为这个领域的龙头老大直至今日。PHP从一出生就被设计用来快速开发WEB应用，这也注定了它在某些方面的先天不足，例如在cli环境下处理大量数据的情况，或者在并发编程方面，都显得力不从心。
　　本文主要讲解基于PCNTL的PHP并发编程，虽然PHP本身不支持多进程，但基于LINUX的PHP扩展PCNTL却可以提供多进程编程。网络上很多同类文章，但笔者进行多次尝试后发现，不是难以控制进程数量，就是有潜在产生僵尸进程或孤儿进程的危险，或者父进程阻塞难以获得更大的并发效果，且大多没有介绍FORK的原理，使得PHP程序员学习PCNTL并发编程尤为困难。本文力求解决这个问题。
　　FORK编程的大概原理是，每次调用fork函数，操作系统就会产生一个子进程，儿子进程所有的堆栈信息都是原封不动复制父进程的，而在fork之后，父进程与子进程实际上是相互独立的，父子进程不会相互影响。也就是说，fork调用位置之前的所有变量，父进程和子进程是一样的，但fork之后则取决于各自的动作，且数据也是独立的；因为数据已经完整的复制给了子进程。而唯一能够区分父子进程的方法就是判断fork的返回值。如果为0，表示是子进程，如果为正数，表示为父进程，且该正数为子进程的PID（进程号），而如果是-1，表示子进程创建失败。请看如下代码：

<?php
$pid = pcntl_fork();
switch($pid){
case -1:
echo "couldn't fork";
break;
case 0:
echo "I'm parent";
break;
default :
echo "I'm child";
}
?>
　　以上代码会产生一个子进程，并根据返回的pid进行父子进程的判断。
　　生产环境中以上代码大多是不适用的，我们需要大量的并发进程为同时为我们处理事情。这时，我们就需要fork多次，而产生的子进程数量需要在我们的控制之中，否则无限制的fork只会拖垮服务器。笔者曾经有过经历，几秒钟服务器负载从0.3左右飙到800多，吓的一身冷汗。
　　而子进程的使用通常会涉及到两种：子进程执行完任务直接退出；子进程常驻内存，等待任务。以上两种方式适用于不同情况。第一种情况大多我们不需要考虑太多，除非子进程的创建是循环进行的。而第二种则需要考虑进程间通信。
　　无论哪一种，无可避免的一个问题就是僵尸进程。僵尸进程就是子进程退出后，父进程没有及时回收，系统仍然保留子进程的执行信息（例如PID，退出状态等），留待其他程序读取。如果僵尸进程数量很少，我们可以忽略掉。但如果是在一个循环中fork（并发编程中常见的死循环），这个问题就不能无视了，父进程必须定期回收已经退出的子进程。子进程的回收我们采用pcnt_wait函数来完成。如下面这段代码：

<?php
while(true){
$pid = pcntl_fork();
switch($pid){
case -1:
echo "couldn't fork";
break;
case 0:{
$subPid = pcntl_wait($status);
var_dump($status);
break;
}
default :
echo "I'm child";
exit(0);
}
}
　　以上代码能够循环产生子进程，并且父进程会阻塞等待子进程退出，这样就产生了一个问题，父进程必须等待一个子进程退出后，再创建另外一个。额，这还是串行执行的不是吗？是的，解决办法就是将pcntl_wait函数替换成pcntl_waitpid()并添加WNOHANG参数。该函数可以在没有子进程退出的情况下立刻跳出执行后续代码。能够达到更好的并发效果。具体代码这里不再演示。
　　循环创建子进程是一件非常浪费操作系统资源的事情。既然使用了死循环来处理任务，那么就说明任务是一个可以队列化的数据结构。我们可以采用进程间的通信，解决子进程退出重建的问题。而通信的机制主要有信号量、管道、共享内存等。然后我们需要一个生产者和消费者的模型。而基于fork的这种代码编写方式，非常不利于我们编写复杂的业务逻辑。所以建议将进程控制与业务处理的代码进程抽象隔离。进程间通信本文暂不涉及，如果读者有需要可以阅读关于管道、共享内存和信号量的文章。
　　根据上面所说，循环创建子进程会造成系统资源的浪费，而循环创建往往意味着任务可以队列化。我们可以创建子进程后，让子进程常驻内存，持续执行等待任务到达。而这类模型往往可以用生产-消费模型来实现。生产者负责将任务写入队列，而子进程从队列中取出任务并执行。队列的实现最好采用本身支持互斥的方式，这样可以降低代码的复杂度，管道是个不错的选择。
　　基于fork方式实现的多进程，由于我们只能使用Pid来做代码隔离，所以进程控制中会充斥的各种if、else或者switch。这对实生产者和消费者模型造成一定难度。以下是一个生产者消费者的模型：

<?php
/**
* @author:Jenner
* @date 2014-01-14
*/
class JetMultiProcess {
//最大队列长度
private $size;
private $curSize;
//生产者
private $producer;
//消费者
private $worker;
/**
* 构造函数
* @param string $worker 需要创建的消费者类名
* @param int $size 最大子进程数量
* @param $producer 需要创建的消费者类名
*/
public function __construct($producer, $worker, $size=10){
$this->producer = new $producer;
$this->worker = $worker;
$this->size = $size;
$this->curSize = 0;
}
public function start(){
$producerPid = pcntl_fork();
if ($producerPid == -1) {
die("could not fork");
} else if ($producerPid) {// parent
while(true){
$pid = pcntl_fork();
if ($pid == -1) {
die("could not fork");
} else if ($pid) {// parent
$this->curSize++;
if($this->curSize>=$this->size){
$sunPid = pcntl_wait($status);
$this->curSize--;
}
} else {// worker
$worker = new $this->worker;
$worker->run();
exit();
}
}
} else {// producer
$this->producer->run();
exit();
}
}
}
　　以上代码，通过size控制多进程数量，通过构造函数传入生产者和消费者的类型。父进程第一次fork产生一个子进程生产者，然后再进行size次fork创建多个消费者。类似方法可以创建多个生产者和多个消费者协同工作。生产者和消费者都必须实现run方法，并在run方法中创建死循环。循环写入和读取队列进行协同工作。该类没有提供进程间通信的功能。通信需要在生产者和消费者类中实现。这样能够使得进程控制的代码看起来更加简洁。
　　该模型已经应用于大型项目，每天承载数万次的任务写入。