php多进程pcntl学习(采集新浪微博)

　　上面２篇文都简明了多进程中一些需要注意的地方，这次用多进程配合curl_mulit_*来做新浪微博的采集。

　　先把知识点和值得注意的坑列出

/*
需求：开３个进程，并且模拟多线程来采集新浪微博用户信息,cookie用本博客模拟登陆微博文章生成的cookie

知识要点：
1.需要把抓去过的 url放在容器里，请求前比对下即可避免重复抓取。(此程序没有判断，本人比较懒,哎)
2.容器不能为变量，开多个进程会出现问题，因为进程之间数据独立，无法共享。可以使用shmop共享内存实现(cli不支持模式APC扩展)
3.curl发送http请求，抓取的数据通过正则(也可以使用phpQuery第三方库)，放入数据库。
4.正则 正则中3个(即\)匹配一个
*/

/*
 * 值得注意的是: 在多进程中使用单例模式会报错 （变量无法共享，比如redis链接，有多少个进程就要创建多少个进程。）
 * 参考：
 * https://segmentfault.com/q/1010000005023297
 * http://blog.csdn.net/towardsyoung/article/details/49245933
 */

主要的执行代码如下：　　

for ($j=0;$j<3;$j++){

    $pid = pcntl_fork();

    if ($pid == 0){

        //$redis = cache::get(); 无法单利模式 ->PHP Fatal error:  Uncaught exception 'RedisException' with message 'read error on connection'
        $redis = new Redis();
        $redis->connect('127.0.0.1');

        $spider->setRedis($redis);

        while (true){

            if ($redis->setnx('job',1)==1) {//加锁

                $spider->friend();
                $count = $redis->incr(1);
                file_put_contents('count2.log',$count);
            }
        }
        exit();
    }
}

　　ps:当url多的时候，redis的hMset会报错 send 太大的数据。这里就不解决了，不影响正常使用。

　　整个实例下载：http://files.cnblogs.com/files/loveyouyou616/caiji.zip