Nodejs實戰心得之eventproxy模塊控制并發

2019-11-20 11:23:55

字體：大中小

來源：轉載

供稿：網友

目標

建立一個 lesson4 項目，在其中編寫代碼。

代碼的入口是 app.js，當調用 node app.js 時，它會輸出 CNode(https://cnodejs.org/ ) 社區首頁的所有主題的標題，鏈接和第一條評論，以 json 的格式。

輸出示例：

[ {  "title": "【公告】發招聘帖的同學留意一下這里",  "href": "http://cnodejs.org/topic/541ed2d05e28155f24676a12",  "comment1": "呵呵呵呵" }, {  "title": "發布一款 Sublime Text 下的 JavaScript 語法高亮插件",  "href": "http://cnodejs.org/topic/54207e2efffeb6de3d61f68f",  "comment1": "沙發！" }]

挑戰

以上文目標為基礎，輸出 comment1 的作者，以及他在 cnode 社區的積分值。

示例：

[ {  "title": "【公告】發招聘帖的同學留意一下這里",  "href": "http://cnodejs.org/topic/541ed2d05e28155f24676a12",  "comment1": "呵呵呵呵",  "author1": "auser",  "score1": 80 }, ...]

知識點

體會 Node.js 的 callback hell 之美

學習使用 eventproxy 這一利器控制并發

課程內容

這一章我們來到了 Node.js 最牛逼的地方――異步并發的內容了。

上一課我們介紹了如何使用 superagent 和 cheerio 來取主頁內容，那只需要發起一次 http get 請求就能辦到。但這次，我們需要取出每個主題的第一條評論，這就要求我們對每個主題的鏈接發起請求，并用 cheerio 去取出其中的第一條評論。

CNode 目前每一頁有 40 個主題，于是我們就需要發起 1 + 40 個請求，來達到我們這一課的目標。

后者的 40 個請求，我們并發地發起：），而且不會遇到多線程啊鎖什么的，Node.js 的并發模型跟多線程不同，拋卻那些觀念。更具體一點的話，比如異步到底為何異步，Node.js 為何單線程卻能并發這類走近科學的問題，我就不打算講了。對于這方面有興趣的同學，強烈推薦 @樸靈的《九淺一深Node.js》： http://book.douban.com/subject/25768396/ 。

有些逼格比較高的朋友可能聽說過 promise 和 generator 這類概念。不過我呢，只會講 callback，主要原因是我個人只喜歡 callback。

這次課程我們需要用到三個庫：superagent cheerio eventproxy(https://github.com/JacksonTian/eventproxy )
手腳架的工作各位自己來，我們一步一步來一起寫出這個程序。

首先 app.js 應該長這樣

var eventproxy = require('eventproxy');var superagent = require('superagent');var cheerio = require('cheerio');// url 模塊是 Node.js 標準庫里面的// http://nodejs.org/api/url.htmlvar url = require('url');var cnodeUrl = 'https://cnodejs.org/';superagent.get(cnodeUrl) .end(function (err, res) {  if (err) {   return console.error(err);  }  var topicUrls = [];  var $ = cheerio.load(res.text);  // 獲取首頁所有的鏈接  $('#topic_list .topic_title').each(function (idx, element) {   var $element = $(element);   // $element.attr('href') 本來的樣子是 /topic/542acd7d5d28233425538b04   // 我們用 url.resolve 來自動推斷出完整 url，變成   // https://cnodejs.org/topic/542acd7d5d28233425538b04 的形式   // 具體請看 http://nodejs.org/api/url.html#url_url_resolve_from_to 的示例   var href = url.resolve(cnodeUrl, $element.attr('href'));   topicUrls.push(href);  });  console.log(topicUrls); });

運行 node app.js

輸出如下圖：

OK，這時候我們已經得到所有 url 的地址了，接下來，我們把這些地址都抓取一遍，就完成了，Node.js 就是這么簡單。
抓取之前，還是得介紹一下 eventproxy 這個庫。

用 js 寫過異步的同學應該都知道，如果你要并發異步獲取兩三個地址的數據，并且要在獲取到數據之后，對這些數據一起進行利用的話，常規的寫法是自己維護一個計數器。

先定義一個 var count = 0，然后每次抓取成功以后，就 count++。如果你是要抓取三個源的數據，由于你根本不知道這些異步操作到底誰先完成，那么每次當抓取成功的時候，就判斷一下 count === 3。當值為真時，使用另一個函數繼續完成操作。
而 eventproxy 就起到了這個計數器的作用，它來幫你管理到底這些異步操作是否完成，完成之后，它會自動調用你提供的處理函數，并將抓取到的數據當參數傳過來。
假設我們不使用 eventproxy 也不使用計數器時，抓取三個源的寫法是這樣的：

// 參考 jquery 的 $.get 的方法

$.get("http://data1_source", function (data1) { // something $.get("http://data2_source", function (data2) {  // something  $.get("http://data3_source", function (data3) {   // something   var html = fuck(data1, data2, data3);   render(html);  }); });});

上述的代碼大家都寫過吧。先獲取 data1，獲取完成之后獲取 data2，然后再獲取 data3，然后 fuck 它們，進行輸出。

但大家應該也想到了，其實這三個源的數據，是可以并行去獲取的，data2 的獲取并不依賴 data1 的完成，data3 同理也不依賴 data2。

于是我們用計數器來寫，會寫成這樣：

(function () { var count = 0; var result = {}; $.get('http://data1_source', function (data) {  result.data1 = data;  count++;  handle();  }); $.get('http://data2_source', function (data) {  result.data2 = data;  count++;  handle();  }); $.get('http://data3_source', function (data) {  result.data3 = data;  count++;  handle();  }); function handle() {  if (count === 3) {   var html = fuck(result.data1, result.data2, result.data3);   render(html);  } }})();

丑的一逼，也不算丑，主要我寫代碼好看。

如果我們用 eventproxy，寫出來是這樣的：

var ep = new eventproxy();ep.all('data1_event', 'data2_event', 'data3_event', function (data1, data2, data3) { var html = fuck(data1, data2, data3); render(html);});$.get('http://data1_source', function (data) { ep.emit('data1_event', data); });$.get('http://data2_source', function (data) { ep.emit('data2_event', data); });$.get('http://data3_source', function (data) { ep.emit('data3_event', data); });

好看多了是吧，也就是個高等計數器嘛。

ep.all('data1_event', 'data2_event', 'data3_event', function (data1, data2, data3) {});

這一句，監聽了三個事件，分別是 data1_event, data2_event, data3_event，每次當一個源的數據抓取完成時，就通過 ep.emit() 來告訴 ep 自己，某某事件已經完成了。

當三個事件未同時完成時，ep.emit() 調用之后不會做任何事；當三個事件都完成的時候，就會調用末尾的那個回調函數，來對它們進行統一處理。

eventproxy 提供了不少其他場景所需的 API，但最最常用的用法就是以上的這種，即：

先 var ep = new eventproxy(); 得到一個 eventproxy 實例。

告訴它你要監聽哪些事件，并給它一個回調函數。ep.all('event1', 'event2', function (result1, result2) {})。
在適當的時候 ep.emit('event_name', eventData)。

eventproxy 這套處理異步并發的思路，我一直覺得就像是匯編里面的 goto 語句一樣，程序邏輯在代碼中隨處跳躍。本來代碼已經執行到 100 行了，突然 80 行的那個回調函數又開始工作了。如果你異步邏輯復雜點的話，80 行的這個函數完成之后，又激活了 60 行的另外一個函數。并發和嵌套的問題雖然解決了，但老祖宗們消滅了幾十年的 goto 語句又回來了。

至于這套思想糟糕不糟糕，我個人倒是覺得還是不糟糕，用熟了看起來蠻清晰的。不過 js 這門渣渣語言本來就亂嘛，什么變量提升（http://www.cnblogs.com/damonlan/archive/2012/07/01/2553425.html ）啊，沒有 main 函數啊，變量作用域啊，數據類型常常簡單得只有數字、字符串、哈希、數組啊，這一系列的問題，都不是事兒。
編程語言美丑啥的，咱心中有佛就好。

回到正題，之前我們已經得到了一個長度為 40 的 topicUrls 數組，里面包含了每條主題的鏈接。那么意味著，我們接下來要發出 40 個并發請求。我們需要用到 eventproxy 的 #after API。

大家自行學習一下這個 API 吧：https://github.com/JacksonTian/eventproxy#%E9%87%8D%E5%A4%8D%E5%BC%82%E6%AD%A5%E5%8D%8F%E4%BD%9C
我代碼就直接貼了哈。

// 得到 topicUrls 之后// 得到一個 eventproxy 的實例var ep = new eventproxy();// 命令 ep 重復監聽 topicUrls.length 次（在這里也就是 40 次） `topic_html` 事件再行動ep.after('topic_html', topicUrls.length, function (topics) { // topics 是個數組，包含了 40 次 ep.emit('topic_html', pair) 中的那 40 個 pair // 開始行動 topics = topics.map(function (topicPair) {  // 接下來都是 jquery 的用法了  var topicUrl = topicPair[0];  var topicHtml = topicPair[1];  var $ = cheerio.load(topicHtml);  return ({   title: $('.topic_full_title').text().trim(),   href: topicUrl,   comment1: $('.reply_content').eq(0).text().trim(),  }); }); console.log('final:'); console.log(topics);});topicUrls.forEach(function (topicUrl) { superagent.get(topicUrl)  .end(function (err, res) {   console.log('fetch ' + topicUrl + ' successful');   ep.emit('topic_html', [topicUrl, res.text]);  });});

輸出長這樣：