Лучший способ управлять долгосрочным PHP-скриптом?

Быстрый и грязный способ заключается в использовании функции ignore_user_abort в php. В основном это говорит: "Не важно, что делает пользователь, запустите этот script, пока он не будет завершен. Это несколько опасно, если это публичный сайт (потому что возможно, что вы закончите с 20 ++ версиями script, запущенных одновременно, если он инициирован 20 раз).

"Чистый" способ (по крайней мере, IMHO) заключается в установке флага (например, в db), когда вы хотите инициировать процесс и запускать cronjob каждый час (или так), чтобы проверить, установлен ли этот флаг. Если он установлен, запускается длительный script, если он НЕ установлен, ничего не происходит.

Вы можете использовать exec или system, чтобы начать фоновое задание, а затем выполните эту работу.

Кроме того, есть более эффективные подходы к очистке сети, которую вы используете. Вы можете использовать поточный подход (несколько потоков, выполняющих одну страницу за раз), или один с помощью eventloop (один поток делает несколько страниц за раз). Мой личный подход с использованием Perl будет использовать AnyEvent:: HTTP.

ETA: symcbean объяснил, как правильно отделить фоновый процесс здесь.

Нет, PHP не лучшее решение.

Я не уверен в Ruby или Perl, но с Python вы можете переписать свой скребок страницы на многопоточность, и он, вероятно, будет работать как минимум на 20 раз быстрее. Написание многопоточных приложений может быть чем-то сложным, но самое первое приложение Python, которое я написал, было скремблером страницы muttti. И вы можете просто вызвать Python script из вашей PHP-страницы, используя одну из функций выполнения оболочки.

Да, вы можете сделать это на PHP. Но в дополнение к PHP было бы разумно использовать диспетчер очереди. Здесь стратегия:

• Разделите свою большую задачу на более мелкие задачи. В вашем случае каждая задача может загружать одну страницу.

• Отправьте каждую маленькую задачу в очередь.

• Запустите ваши рабочие места в очереди.

Использование этой стратегии имеет следующие преимущества:

• Для длительных задач у него есть возможность восстановления в случае возникновения фатальной проблемы в середине прогона - нет необходимости начинать с самого начала.

• Если ваши задачи не должны запускаться последовательно, вы можете запускать нескольких рабочих одновременно для запуска задач.

У вас есть множество вариантов (это всего лишь несколько):

• RabbitMQ (https://www.rabbitmq.com/tutorials/tutorial-one-php.html)
• ZeroMQ (http://zeromq.org/bindings:php)
• Если вы используете структуру Laravel, очереди встроены (https://laravel.com/docs/5.4/queues), с драйверами для AWS SES, Redis, Beanstalkd

PHP может быть или не быть лучшим инструментом, но вы знаете, как его использовать, а остальная часть вашего приложения написана с его использованием. Эти два качества, в сочетании с тем, что PHP "достаточно хороши", делают довольно убедительный аргумент в пользу его использования вместо Perl, Ruby или Python.

Если ваша цель - изучить другой язык, выберите его и используйте. Любой язык, который вы упомянули, будет выполнять эту работу, без проблем. Мне нравится Perl, но то, что вам нравится, может быть другим.

Symcbean имеет несколько хороших советов о том, как управлять фоновыми процессами по его ссылке.

Короче говоря, напишите CLI PHP script для обработки длинных битов. Убедитесь, что он каким-то образом сообщает статус. Сделайте php-страницу для обработки обновлений состояния, используя AJAX или традиционные методы. Ваш запуск script запустит процесс, запущенный в его собственном сеансе, и вернет подтверждение, что процесс идет.

Удачи.

Я хотел бы предложить решение, немного отличающееся от symcbean, главным образом потому, что у меня есть дополнительное требование, чтобы длительный процесс нужно запускать как другой пользователь, а не как пользователь apache/www-data.

Первое решение с использованием cron для опроса таблицы фоновых задач:

• Веб-страница PHP вставляется в таблицу фоновых задач, укажите "SUBMITTED"
• cron запускается один раз каждые 3 минуты, используя другого пользователя, запуская PHP CLI script, который проверяет таблицу фоновых задач для строк "SUBMITTED"
• PHP CLI обновит столбец состояния в строке в "ОБРАБОТКА" и начнет обработку, после завершения он будет обновлен до "COMPLETED"

Второе решение с использованием средства инициализации Linux:

• Веб-страница PHP обновляет управляющий файл с параметрами, заданными пользователем, а также предоставляет идентификатор задачи
• shell script (как пользователь, не являющийся пользователем), запущенный inotifywait, будет ждать записи файла управления
• после того, как файл управления записан, событие close_write будет поднято, оболочка script продолжит
• shell script выполняет PHP CLI для выполнения долгого процесса
• PHP CLI записывает вывод в файл журнала, идентифицированный идентификатором задачи, или, как альтернатива, обновляет прогресс в таблице состояний
• Веб-страница PHP могла опросить файл журнала (на основе идентификатора задачи), чтобы показать ход выполнения долгого процесса, или он также может запрашивать таблицу состояния

В моем посте можно найти дополнительную информацию: http://inventorsparadox.blogspot.co.id/2016/01/long-running-process-in-linux-using-php.html

Я понимаю, что это довольно старый вопрос, но хотел бы дать ему шанс. Этот script пытается обратиться к начальному стартовому звонку, чтобы закончить быстро и отрубить большую нагрузку на более мелкие куски. Я не тестировал это решение.

<?php
/**
 * crawler.php located at http://mysite.com/crawler.php
 */

// Make sure this script will keep on runing after we close the connection with
// it.
ignore_user_abort(TRUE);


function get_remote_sources_to_crawl() {
  // Do a database or a log file query here.

  $query_result = array (
    1 => 'http://exemple.com',
    2 => 'http://exemple1.com',
    3 => 'http://exemple2.com',
    4 => 'http://exemple3.com',
    // ... and so on.
  );

  // Returns the first one on the list.
  foreach ($query_result as $id => $url) {
    return $url;
  }
  return FALSE;
}

function update_remote_sources_to_crawl($id) {
  // Update my database or log file list so the $id record wont show up
  // on my next call to get_remote_sources_to_crawl()
}

$crawling_source = get_remote_sources_to_crawl();

if ($crawling_source) {


  // Run your scraping code on $crawling_source here.


  if ($your_scraping_has_finished) {
    // Update you database or log file.
    update_remote_sources_to_crawl($id);

    $ctx = stream_context_create(array(
      'http' => array(
        // I am not quite sure but I reckon the timeout set here actually
        // starts rolling after the connection to the remote server is made
        // limiting only how long the downloading of the remote content should take.
        // So as we are only interested to trigger this script again, 5 seconds 
        // should be plenty of time.
        'timeout' => 5,
      )
    ));

    // Open a new connection to this script and close it after 5 seconds in.
    file_get_contents('http://' . $_SERVER['HTTP_HOST'] . '/crawler.php', FALSE, $ctx);

    print 'The cronjob kick off has been initiated.';
  }
}
else {
  print 'Yay! The whole thing is done.';
}

Вы можете отправить его как запрос XHR (Ajax). Клиенты обычно не имеют тайм-аута для XHR, в отличие от обычных HTTP-запросов.

Я согласен с ответами, которые говорят, что это должно выполняться в фоновом режиме. Но также важно, чтобы вы сообщали о статусе, чтобы пользователь знал, что работа выполняется.

При получении запроса PHP для запуска процесса вы можете сохранить в базе данных представление задачи с уникальным идентификатором. Затем запустите процесс очистки экрана, передав ему уникальный идентификатор. Сообщайте iPhone-приложение, что задача была запущена, и что он должен проверить указанный URL-адрес, содержащий новый идентификатор задачи, чтобы получить последний статус. Приложение iPhone теперь может опросить (или даже "длинный опрос" ) этот URL. Тем временем фоновый процесс будет обновлять представление базы данных задачи, поскольку он работал с процентом завершения, текущим шагом или любыми другими индикаторами состояния. И когда он закончится, он установит завершенный флаг.

Не лучший подход, как многие здесь заявили, но это может помочь:

ignore_user_abort(1); // run script in background even if user closes browser
set_time_limit(1800); // run it for 30 minutes

// Long running script here

если у вас длинный script, затем разделите работу страницы с помощью параметра ввода для каждой задачи. (тогда каждая страница действует как поток) если страница имеет 1 lac product_keywords длинный цикл процесса, то вместо цикла сделать логику для одного ключевого слова и передать это ключевое слово из магии или cornjobpage.php(в следующем примере)

и для фонового работника я думаю, что вы должны попробовать эту технику, это поможет назвать столько страниц, сколько вам понравится, все страницы будут запускаться сразу независимо, не ожидая, что каждый ответ на страницу будет асинхронным.

cornjobpage.php//mainpage

    <?php

post_async("http://localhost/projectname/testpage.php", "Keywordname=testValue");
//post_async("http://localhost/projectname/testpage.php", "Keywordname=testValue2");
//post_async("http://localhost/projectname/otherpage.php", "Keywordname=anyValue");
//call as many as pages you like all pages will run at once independently without waiting for each page response as asynchronous.
            ?>
            <?php

            /*
             * Executes a PHP page asynchronously so the current page does not have to wait for it to     finish running.
             *  
             */
            function post_async($url,$params)
            {

                $post_string = $params;

                $parts=parse_url($url);

                $fp = fsockopen($parts['host'],
                    isset($parts['port'])?$parts['port']:80,
                    $errno, $errstr, 30);

                $out = "GET ".$parts['path']."?$post_string"." HTTP/1.1\r\n";//you can use POST instead of GET if you like
                $out.= "Host: ".$parts['host']."\r\n";
                $out.= "Content-Type: application/x-www-form-urlencoded\r\n";
                $out.= "Content-Length: ".strlen($post_string)."\r\n";
                $out.= "Connection: Close\r\n\r\n";
                fwrite($fp, $out);
                fclose($fp);
            }
            ?>

testpage.php

    <?
    echo $_REQUEST["Keywordname"];//case1 Output > testValue
    ?>

PS: если вы хотите отправить параметры URL-адреса в виде цикла, выполните следующий ответ: https://stackoverflow.com/questions/5905877/how-to-run-the-php-code-asynchronous

то, что я ВСЕГДА использую, является одним из этих вариантов (поскольку разные варианты Linux имеют разные правила обработки выходных данных/некоторые программы выводятся по-разному):

Вариант I  @exec ('./myscript.php\1 > /dev/null\2 > /dev/null &');

Вариант II  @exec ('php -f myscript.php\1 > /dev/null\2 > /dev/null &');

Вариант III  @exec ('nohup myscript.php\1 > /dev/null\2 > /dev/null &');

У вас может быть установка "nohup". Но, например, когда я автоматизировал конвертации видео FFMPEG, интерфейс вывода каким-то образом не обрабатывался на 100% путем перенаправления выходных потоков 1 и 2, поэтому я использовал nohup AND перенаправил вывод.

Используйте прокси для делегирования запроса.

Я сделал аналогичные вещи с Perl, double fork() и отсоединением от родительского процесса. Вся работа по настройке HTTP должна выполняться в разветвленном процессе.