5

我有一个 HTTP Get 请求，我想解析响应并将其保存到我的数据库中。

如果我独立调用 crawl(i)，我会得到很好的结果。但是我必须从 1 到 2000 调用 crawl()。我得到了很好的结果，但有些响应似乎丢失了，有些响应是重复的。我不认为我了解如何调用数千个异步函数。我正在使用异步模块队列功能，但到目前为止我仍然缺少一些数据并且仍然有一些重复。我在这里做错了什么？谢谢你的帮助。

我在爬什么

我的节点功能：

 function getOptions(i) {
    return {
        host: 'magicseaweed.com',
        path: '/syndicate/rss/index.php?id='+i+'&unit=uk',
        method: 'GET'
    }
};

function crawl(i){
var req = http.request(getOptions(i), function(res) {
    res.on('data', function (body) {
        parseLocation(body);
    });
});
req.end();

}

function parseLocation(body){
    parser.parseString(body, function(err, result) {
        if(result && typeof result.rss != 'undefined') {
            var locationTitle = result.rss.channel[0].title;
            var locationString = result.rss.channel[0].item[0].link[0];
            var location = new Location({
                id: locationString.split('/')[2],
                name: locationTitle
            });
            location.save();
        }
    });
  }

N = 2 //# of simultaneous tasks
var q = async.queue(function (task, callback) {
        crawl(task.url);
        callback();
}, N);


q.drain = function() {
    console.log('Crawling done.');
}

for(var i = 0; i < 100; i++){
   q.push({url: 'http://magicseaweed.com/syndicate/rss/index.php?id='+i+'&unit=uk'});
}

[编辑] 好吧，经过大量测试后，我正在抓取的服务似乎无法快速处理这么多请求。因为当我按顺序执行每个请求时，我可以获得所有好的响应。

有没有办法减慢异步队列方法？

4

5 回答 5

18

你应该看看这个很棒的模块，async，它简化了这样的异步任务。您可以使用队列，简单示例：

N = # of simultaneous tasks
var q = async.queue(function (task, callback) {
    somehttprequestfunction(task.url, function(){
    callback();
    } 
}, N);


q.drain = function() {
    console.log('all items have been processed');
}

for(var i = 0; i < 2000; i++){
   q.push({url:"http://somewebsite.com/"+i+"/feed/"});
}

如果您只调用回调函数，它将有一个正在进行的操作的窗口，并且任务室将可用于未来的任务。不同的是，您的代码现在立即打开 2000 个连接，显然失败率很高。将其限制在一个合理的值，5,10,20（取决于站点和连接）将导致更好的成功率。如果请求失败，您可以随时重试，或者将任务推送到另一个异步队列以进行另一次试用。关键是在队列函数中调用callback()，这样房间完成后就可以使用了。

于 2013-01-16T21:35:34.703 回答
10 
var q = async.queue(function (task, callback) {
    crawl(task.url);
    callback();
}, N);

您在启动前一个任务后立即执行下一个任务，这样队列就没有意义了。你应该像这样修改你的代码：

// first, modify your 'crawl' function to take a callback argument, and call this callback after the job is done.

// then
var q = async.queue(function (task, next/* name this argument as 'next' is more meaningful */) {
    crawl(task.url, function () {
        // after this one is done, start next one.
        next();
    });     
    // or, more simple way, crawl(task.url, next);
}, N);
于 2013-04-16T09:14:25.323 回答
1

如果你愿意，另一种选择。Vanilla JS 没有花哨的库。

var incrementer = 0;
var resultsArray = [];

var myInterval = setInterval(function() {
    incrementer++
    if(incrementer == 100){
        clearInterval(myInterval)
        //when done parse results array
    }
    //make request here
    //push request result to array here

}, 500);

每半秒调用一次函数。在 x 个请求后强制同步和退出的简单方法。

于 2014-02-17T19:49:45.070 回答
0

我知道我对这个问题有点晚了，但是这是我写的一个解决方案，用于在使用节点 4 或节点 5 测试 api 端点时减慢请求的数量：

var fs = require('fs');
var supertest = require('supertest');
var request = supertest("http://sometesturl.com/api/test/v1/")
var Helper = require('./check.helper');
var basicAuth = Helper.basicAuth;
var options = Helper.options;

fs.readFile('test.txt', function(err, data){
  var parsedItems = JSON.parse(data);
  var urlparts = []
  // create a queue
  for (let year of range(1975, 2016)) {
    for (var make in parsedItems[year]){
      console.log(year, make, '/models/' + year + '/' + make)
      urlparts.push({urlpart:'/models/' + year + '/' + make, year: year, make: make})
    }
  }
  // start dequeue
  waitDequeue();

  // This function calls itself after the makeRequest promise completes
  function waitDequeue(){
    var item = urlparts.pop()
    if (item){
      makeRequest(item)
        .then(function(){
          // wait this time before next dequeue
          setTimeout(function() {
            waitDequeue();
          }, 3000);
        })
    } else {
      write(parsedItems)
    }
  }

  // make a request, mutate parsedItems then resolve
  function makeRequest(item){
    return new Promise((resolve, reject)=>{
      request
        .get(item.urlpart)
        .set(options.auth[0], options.auth[1])
        .set(options.type[0], options.type[1])
        .end(function(err, res) {
          if (err) return done1(err);
          console.log(res.body)
          res.body.forEach(function(model){
            parsedItems[item.year][item.make][model] = {}
          });
          resolve()
        })
      })
  }

  // write the results back to the file
  function write(parsedItems){
    fs.writeFile('test.txt', JSON.stringify(parsedItems, null, 4), function(err){
      console.log(err)
    })
  }

})
于 2015-11-25T01:49:36.600 回答
0

有点晚了，但我发现这很有效！使用 async 您可以在任务处理程序中使用 while 来减慢队列速度，例如：

var q = async.priorityQueue(function(task, callback) {
// your code process here for each task
//when ready to complete the task delay it by calling
async.whilst( //wait 6 seconds
   function() {         
        return count < 10;      
   },
   function(callback) {
      count++;
      setTimeout(function() {
        callback(null, count);
      }, 1000);
   },
   function (err, n) {
    // n seconds have passed  
    callback(); //callback to q handler 
   }
 ); //whilst
} , 5);
于 2017-03-10T10:06:37.637 回答