web前端|js教程
async,并发,并发数量,js,async,并发
web前端-js教程
并发相信对大家来说都不陌生,这篇文章主要给大家介绍了关于使用async、enterproxy控制并发数量的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面一起学习学习吧。
tcp udp 源码,vscode three,ubuntu更改启动项,美国海军的熊猫名字tomcat,sqlite定期备份,合肥找网页设计工作室,万网更改服务器,wa插件网站,前端框架软件推荐,订舱爬虫网,php高阶,seo与,淘客网站的友情链接,网页管理平台源码,supesite7.5模板下载,ajax 加载页面js失效,jsp企业人事管理系统,知乎 小程序 代码lzw
聊聊并发与并行
用table制作五子棋源码,鼠标垫 vscode,ubuntu强制IP,打包tomcat镜像,怎样查询sqlite数据库,爬虫数据处理和mr处理区别,php微信分享朋友圈,放心的seo优化服务,轻松筹是官网站吗,免费响应式模板网站模板lzw
并发,在操作系统中,是指一个时间段中有几个程序都处于已启动运行到运行完毕之间,且这几个程序都是在同一个处理机上运行,但任一个时刻点上只有一个程序在处理机上运行。
婚纱源码,vscode怎么拉取项目,ubuntu安装选择,tomcat怎么登录,sqlite新建,网页设计我的家乡,dede php调用数据库,做网站托管服务器,ecshop微博插件,前端ar框架,中药有爬虫,php报告,seo大牛张辉,springboot数据更新,a标签点击没有反应,餐饮企业网站源码,html网页自动刷新,emlog简约个人博客模板,后台编辑器 下载,传奇游戏单页面源码下载,项目费用管理系统源码,华美程序二次开发lzw
并发我们经常提及之,不管是web server,app并发无处不在,操作系统中,指一个时间段中几个程序处于已经启动运行到完毕之间,且这几个程序都是在同一处理机上运行,并且任一个时间点只有一个程序在处理机上运行。很多网站都有并发连接数量的限制,所以当请求发送太快的时候会导致返回值为空或报错。更有甚者,有些网站可能因为你发出的并发连接数量过多而当你是在恶意请求,封掉你的ip。
相对于并发,并行可能陌生了不少,并行指一组程序按独立异步的速度执行,不等于时间上的重叠(同一个时刻发生),通过增加cpu核心来实现多个程序(任务)的同时进行。没错,并行做到了多任务的同时进行
使用enterproxy控制并发数量
enterproxy是朴灵大大为主要贡献的工具,带来一种事件式编程的思维变化,利用事件机制解耦复杂业务逻辑,解决了回调函数耦合性的诟病,将串行等待变成并行等待,提升多异步协作场景下的执行效率
我们如何使用enterproxy控制并发数量?通常如果我们不使用enterproxy和自制的计数器,我们如果抓取三个源:
这种深层嵌套,串行的方式
var render = function (template, data) { _.template(template, data); };$.get("template", function (template) { // something $.get("data", function (data) { // something $.get("l10n", function (l10n) { // something render(template, data, l10n); }); });});
除去这种过去深层嵌套的方法,我们常规的写法的自己维护一个计数器
(function(){ var count = 0; var result = {}; $.get( emplate,function(data){ result.data1 = data; count++; handle(); }) $.get(data,function(data){ result.data2 = data; count++; handle(); }) $.get(l10n,function(data){ result.data3 = data; count++; handle(); }) function handle(){ if(count === 3){ var html = fuck(result.data1,result.data2,result.data3); render(html); } }})();
在这里,enterproxy就可以起到这个计数器的作用,它帮你管理这些异步操作是否完成,完成之后,他会自动调用你提供的处理函数,并将抓取到数据当做参数传递过来
var ep = new enterproxy();ep.all(data_event1,data_event2,data_event3,function(data1,data2,data3){ var html = fuck(data1,data2,data3); render(html);})$.get(http:example1,function(data){ ep.emit(data_event1,data);})$.get(http:example2,function(data){ ep.emit(data_event2,data);})$.get(http:example3,function(data){ ep.emit(data_event3,data);})
enterproxy还提供了其他不少场景所需的API,可以自行学习下这个API enterproxy
使用async控制并发数量
假如我们有40个请求需要发出,很多网站可能会因为你发出的并发连接数太多而当你是在恶意请求,把你的IP封掉。
所以我们总是需要控制并发数量,然后慢慢抓取完这40个链接。
使用async中mapLimit控制一次性并发数量为5,一次性只抓取5个链接。
async.mapLimit(arr, 5, function (url, callback) { // something }, function (error, result) { console.log("result: ") console.log(result); })
我们首先应该知道什么是并发,为什么需要限制并发数量,都有哪些处理方案。然后就可以去文档具体看一下API如何使用。async文档可以很好的学习这些语法。
模拟一组数据,这里返回的数据是假的,返回的延时是随机的。
var concurreyCount = 0;var fetchUrl = function(url,callback){ // delay 的值在 2000 以内,是个随机的整数 模拟延时 var delay = parseInt((Math.random()* 10000000) % 2000,10); concurreyCount++; console.log(现在并发数是 , concurreyCount , 正在抓取的是 , url , 耗时 + delay + 毫秒); setTimeout(function(){ concurreyCount--; callback(null,url + html content); },delay);}var urls = [];for(var i = 0;i<30;i++){ urls.push(http://datasource_ + i)}
然后我们使用async.mapLimit来并发抓取,并获取结果。
async.mapLimit(urls,5,function(url,callback){ fetchUrl(url,callbcak);},function(err,result){ console.log( esult: ); console.log(result);})
模拟摘自alsotang
运行输出后得到以下结果
我们发现,并发数从1开始增长,但是增长到5时,就不在增加。然有任务时就继续抓取,并发连接数量始终控制在5个。
完成node简易爬虫系统
因为alsotang前辈的《node包教不包会》教学例子中使用的eventproxy控制的并发数量,我们就来完成一个使用async控制并发数量的node简易爬虫。
爬取的目标就是本站首页(手动护脸)
第一步,首先我们需要用到以下的模块:
url : 用于url解析,这里用到url.resolve()生成一个合法的域名
async : 一个实用的模块,提供了强大的功能和异步JavaScript工作
cheerio : 为服务器特别定制的,快速,灵活,实施的jQuery核心实现
superagent : nodejs里一个非常方便的客户端请求代理模块
通过npm安装依赖模块
第二步,通过require引入依赖模块,确定爬取对象URL:
var url = require("url");var async = require("async");var cheerio = require("cheerio");var superagent = require("superagent");var baseUrl = \;
第三步:使用superagent请求目标URL,并使用cheerio处理baseUrl得到目标内容url,并保存在数组arr中
superagent.get(baseUrl) .end(function (err, res) { if (err) { return console.error(err); } var arr = []; var $ = cheerio.load(res.text); // 下面和jQuery操作是一样一样的.. $(".post-list .post-title-link").each(function (idx, element) { $element = $(element); var _url = url.resolve(baseUrl, $element.attr("href")); arr.push(_url); }); // 验证得到的所有文章链接集合 output(arr); // 第四步:接下来遍历arr,解析每一个页面需要的信息})
我们需要一个函数验证抓取的url对象,很简单我们只需要一个函数遍历arr并打印出来就可以:
function output(arr){ for(var i = 0;i<arr.length;i++){ console.log(arr[i]); }}
第四步:我们需要遍历得到的URL对象,解析每一个页面需要的信息。
这里就需要用到async控制并发数量,如果你上一步获取了一个庞大的arr数组,有多个url需要请求,如果同时发出多个请求,一些网站就可能会把你的行为当做恶意请求而封掉你的ip
async.mapLimit(arr,3,function(url,callback){ superagent.get(url) .end(function(err,mes){ if(err){ console.error(err); console.log(message info + JSON.stringify(mes)); } console.log(「fetch」 + url + successful!); var $ = cheerio.load(mes.text); var jsonData = { title:$(.post-card-title).text().trim(), href: url, }; callback(null,jsonData); },function(error,results){ console.log( esults ); console.log(results); }) })
得到上一步保存url地址的数组arr,限制最大并发数量为3,然后用一个回调函数处理 「该回调函数比较特殊,在iteratee方法中一定要调用该回调函数,有三种方式」
callback(null)
调用成功
callback(null,data)
调用成功,并且返回数据data追加到results
callback(data)
调用失败,不会再继续循环,直接到最后的callback
好了,到这里我们的node简易的小爬虫就完成了,来看看效果吧
嗨呀,首页数据好少,但是成功了呢。
参考资料
Node.js 包教不包会 – alsotang
enterproxy
async
async Documentation
上面是我整理给大家的,希望今后会对大家有帮助。
相关文章:
在js中如何实现登录需要滑动验证
在js中如何实现判断文件类型大小
在vue中如何使用cdn优化
如果觉得《使用async enterproxy如何控制并发数量》对你有帮助,请点赞、收藏,并留下你的观点哦!