perl - 如何使用任何事件进行异步 www-mechanize

标签 perl asynchronous zeromq www-mechanize anyevent

我一直在对该主题进行大量研究，尽管存在一些相关的问题，但我真的很难理解如何使用 AnyEvent 和 www-mechanize 正确进行异步编程。我试图坚持使用 mechanize，因为它有一个干净的界面并且具有我期望做的内置功能:(比如获取网站的所有图像等)。如果没有可靠/好的方法来做我想做的事，那么我将开始研究 AnyEvent::HTTP 但我想在朝那个方向前进之前我会先问一下。

我是 AnyEvent 编程的新手，但之前使用回调完成了大量的 perl 和 javascript/jquery 异步调用。这些对我来说很有意义，但对于我来说，AnyEvent + Mech 并没有点击。

这是我正在处理的从上游队列中提取 URL 的代码。给出 URL，我想要一个说拉入页面上的所有图像，然后异步。抓取所有图像。

所以伪代码看起来像这样:

  • 从队列中获取 url
  • 获取页面
  • 获取所有 img url 链接
  • 对 img url 进行许多异步调用(例如将 imgs 存储在后端)

    • 我读过，我不能(在研究错误之后)阻止 AnyEvent 回调。如何构建我的程序以在不阻塞的情况下执行异步调用？

    AE事件只能在AE感知功能阻塞时处理，所以我使用LWP::Protocol::AnyEvent::http .它将 LWP (Net:HTTP) 的普通 HTTP 后端替换为 AnyEvent::HTTP，这是 AE 感知的。

    worker 的创建方式如下:
    my Worker->new(upstream_job_url => "tcp://127.0.0.1:5555', run_on_create => 1);

    异步部分是调用 _proc_msg 的子 _recv_msg。

    根据 ZeroMQ perl binding docs，我已经有一个 AnyEvent 循环监视 ZeroMQ 套接字...

    非常感谢任何帮助!

    代码:
    package Worker;

use 5.12.0;

use Moose;
use AnyEvent;
use LWP::Protocol::AnyEvent::http;

use ZMQ::LibZMQ3;
use ZMQ::Constants qw/ZMQ_PUSH ZMQ_PULL ZMQ_POLLIN ZMQ_FD/;

use JSON;
use WWW::Mechanize;
use Carp;
use Coro;


has 'max_children' => (
    is => 'rw',
    isa => 'Int',
    required => 1,
    default => sub { 0 }
);

has 'upstream_job_url' => (
    is => 'rw',
    isa => 'URI',
    required => 1,
);

has ['uri','sink_url'] => (
    is => 'rw',
    isa => 'URI',
    required => 0,
);

has 'run_on_create' => (
    is => 'rw',
    isa => 'Bool',
    required => 1,
    default => sub { 1 }
);

has '_receiver' => (
    is => 'rw',
    isa => 'ZMQ::LibZMQ3::Socket',
    required => 0
);

sub BUILD {
    my $self = shift;
    $self->start if $self->run_on_create;
}

sub start
{
    my $self = shift;
    $self->_init_zmq();

    my $fh = zmq_getsockopt( $self->_receiver, ZMQ_FD );
    my $w; $w = AnyEvent->io( fh => $fh, poll => "r", cb => sub { $self->_recv_msg } );
    AnyEvent->condvar->recv;
}

sub _init_zmq
{   
    my $self = shift;
    my $c = zmq_init() or die "zmq_init: $!\n";
    my $recv = zmq_socket($c, ZMQ_PULL) or die "zmq_socket: $!\n";
    if( zmq_connect($recv, $self->upstream_job_url) != 0 ) {
        croak "zmq_connect: $!\n";
    }
    $self->_receiver($recv);
}

sub _recv_msg
{
    my $self = shift;
    while(my $message = zmq_msg_data(zmq_recvmsg($self->_receiver)) ) {
        my $msg = JSON::from_json($message, {utf8 => 1});
        $self->uri(URI->new($msg->{url}));
        $self->_proc_msg;
    }
}

sub _proc_msg
{
    my $self = shift;
    my $c = async { 
        my $ua = WWW::Mechanize->new;
        $ua->protocols_allowed(['http']); 
        print "$$ processing " . $self->uri->as_string . "... ";
        $ua->get($self->uri->as_string);
        if ($ua->success()) {
            say $ua->status . " OK";
        } else { 
            say $ua->status . " NOT OK";
        }
    }; 
    $c->join;
}

1;

    如您所见，我在 _proc_msg 中尝试 Coro，我尝试只进行机械调用，但出现错误
    AnyEvent::CondVar: recursive blocking wait attempted at lib/Worker.pm line 91.

    因为 $mech 仍然在回调中阻塞。我不知道如何正确地在我的回调中进行机械调用。

    应 ikegami 的要求，我添加了发送 url 的驱动程序。出于测试目的，我让它只是读取一个 RSS 提要，并将链接发送给工作人员以尝试处理。我对带有回调的任何事件的基本结构感到好奇，但我很高兴能在整个程序上获得帮助。下面是驱动代码:
    #!/usr/local/bin/perl

use strict;
use warnings;
use v5.12.0;

use lib './lib';

use Config::General;
use Getopt::Long;
use Carp;
use AnyEvent;
use AnyEvent::Feed;
use Parallel::ForkManager;
use ZMQ::LibZMQ3;
use ZMQ::Constants qw(ZMQ_PUSH ZMQ_PULL);
use Worker;

# Debug
use Data::Dumper;
$Data::Dumper::Deparse = 1;

my $config_file = "feeds.cfg";

GetOptions(
    "--config|c" => \$config_file,
    "--help|h" => sub { usage(); exit(0); }
);

sub usage() 
{
    say "TODO";
}

$SIG{INT} = sub { croak; }; $SIG{TERM} = sub { croak; };
$SIG{CHLD} = 'IGNORE';

my $conf = Config::General->new($config_file) or croak "Couldn't open config file '$config_file' $!\n";

my %config = $conf->getall();
my @readers = ();
my @feeds = load_feeds(\%config);

my $mgr = Parallel::ForkManager->new( $config{'max_download_children'} ) or croak "Can't create fork manager: $!\n";
my $context = zmq_init() or croak "zmq_init: $!\n";
my $sender = zmq_socket($context, ZMQ_PUSH) or die "zmq_socket: $!\n";

foreach my $feed_cfg (@feeds) {
    my $reader = AnyEvent::Feed->new(url => delete $feed_cfg->{url}, %$feed_cfg);
    push(@readers, $reader); # save, don't go out of scope
}

# Fork Downloader children. These processes will look for incoming data
# in the img_queue and download the images, storing them in nosql
for ( 1 .. $config{'max_download_children'} ) {
    my $pid = $mgr->start; 
    if (!$pid) {
        # Child
        my $worker = Worker->new({
            upstream_job_url => URI->new('tcp://127.0.0.1:5555')
        });
        $mgr->finish;
        say "$$ exiting.";
        exit(0);
    } else {
        # Parent
        say "[forked child $pid] my pid is $$";
    }
}

if (zmq_bind($sender, 'tcp://127.0.0.1:5555') < 0) {
    croak "zmq_bind: $!\n";
}

# Event loop 
AnyEvent->condvar->recv;

sub load_feeds
{
    my $conf = shift;
    my @feeds = ();
    foreach my $feed ( keys %{$conf->{'feeds'}} ) {
        my $feed_ref = $conf->{'feeds'};
        $feed_ref->{$feed}->{'name'} = $feed;
        $feed_ref->{$feed}->{'on_fetch'} = \&fetch_feed_cb;
        push(@feeds, $feed_ref->{$feed});   
    }
    return @feeds;
}

sub fetch_feed_cb
{
    my ($feed_reader, $new_entries, $feed, $error) = @_;
    if (defined $error) {
        say "Error fetching feed: $error";
        return;
    }
    say "$$ checking for new feeds";
    for (@$new_entries) {
        my ($hash, $entry) = @$_;
        say "$$ sending " . $entry->link;
        zmq_send($sender, JSON::to_json( { url => $entry->link }, { pretty => 1, utf8 => 1 } ));
    }
}

    这是一个示例运行:
    [forked child 40790] my pid is 40789
[forked child 40791] my pid is 40789
[forked child 40792] my pid is 40789
40789 checking for new feeds
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/f5nNM3zYBt0/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/Ay9V5pIpFBA/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/5XCVvt75ppU/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/mWprjBD3UhM/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/NngMs9pCQew/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/wiUsvafLGFU/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/QMp6gnZpFcA/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/kqUb_rpU5dE/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/tHItKqKhGXg/
40789 sending http://feedproxy.google.com/~r/PerlNews/~3/7LleQbVnPmE/
FATAL: $Coro::IDLE blocked itself - did you try to block inside an event loop callback? Caught at lib/Worker.pm line 99.
FATAL: $Coro::IDLE blocked itself - did you try to block inside an event loop callback? Caught at lib/Worker.pm line 99.
FATAL: $Coro::IDLE blocked itself - did you try to block inside an event loop callback? Caught at lib/Worker.pm line 99.
40791 processing http://feedproxy.google.com/~r/PerlNews/~3/Ay9V5pIpFBA/... 
40790 processing http://feedproxy.google.com/~r/PerlNews/~3/f5nNM3zYBt0/... 
40792 processing http://feedproxy.google.com/~r/PerlNews/~3/5XCVvt75ppU/... ^C at /usr/local/perls/perl5162/lib/perl5/site_perl/darwin-thread-multi-2level/AnyEvent/Loop.pm line 231.

    如果我没有明确地做一个'使用 Coro;'在 Worker.pm 中，不会显示 coro FATAL 错误。如果没有进一步的运行时错误，我不知道异步是如何工作的。

    示例配置文件(feeds.cfg):
    max_download_children = 3
<feeds>
    <feed1>
        url="http://feeds.feedburner.com/PerlNews?format=xml"   
        interval=60
    </feed1>
</feeds>

    所以我今天花了更多时间来处理这个问题。所以我做 $c->join 的方式的错误。我不应该这样做，因为我无法阻止回调。 Coro 将安排异步 block ，并在完成后完成。我唯一需要确保做的就是以某种方式知道所有异步何时完成，我想我可以弄清楚。现在棘手的部分是试图弄清楚这个小谜团:
    sub _recv_msg
{
    my $self = shift;
    while(my $message = zmq_msg_data(zmq_recvmsg($self->_receiver)) ) {
        my $msg = JSON::from_json($message, {utf8 => 1});
        $self->uri(URI->new($msg->{url}));
        $self->_proc_msg;
    }
}

    这个 while 循环导致我在 _proc_msg 中的 async { } 线程不运行。删除 while 循环，只处理第一个 msg 和 coros 运行。将 while 循环留在原处，它们将永远不会运行。对我来说很奇怪，还没有弄清楚为什么。

    进一步更新:

    zmq_msg_recv 被阻塞。此外，父级中的 zmq_send 可以阻止。必须使用 ZMQ_NOBLOCK。
    我将 worker 和 main 完全拆分为单独的程序。

    最佳答案

    你可以使用 https://metacpan.org/pod/AnyEvent::HTTP::LWP::UserAgent用于异步调用。

      use AnyEvent::HTTP::LWP::UserAgent;
  use AnyEvent;

  my $ua = AnyEvent::HTTP::LWP::UserAgent->new;
  my @urls = (...);
  my $cv = AE::cv;
  $cv->begin;
  foreach my $url (@urls) {
      $cv->begin;
      $ua->get_async($url)->cb(sub {
          my $r = shift->recv;
          print "url $url, content " . $r->content . "\n";
          $cv->end;
      });
  }
  $cv->end;
  $cv->recv;

    关于perl - 如何使用任何事件进行异步 www-mechanize，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19085122/

    上一篇：ios6 - iOS7 下移所有 UILabels

    下一篇：sql - 如何根据查询更新 SQL Server 表中的字符串？

    相关文章：

    asynchronous - 如何确保所有数据都从 clojure core.async channel 写入文件？

    javascript - 调用数量可变且相互依赖的异步函数

    java - Netty 因多个客户端连接而卡住

    zeromq - 防火墙需要哪些开放端 Eloquent 能允许 salt 栈远程执行？

    c - ZeroMQ - 在接受队列中的新客户端之前向客户端发送和接收多条消息

    python - 在 ZeroRPC 中实现自定义队列

    perl - 在 Perl 模板工具包中显示时间增量

    perl - 为什么我不能从 Perl 连接到 postgres？

    regex - 使用正则表达式过滤匹配模式

    perl - 如何在加载的模块中使用 Smart::Comments 而不更改其源？

    ©2024 IT工具网  联系我们