1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
|
# 一个简单的并行抓取：parallel_wget
# 示例代码
[tutorial-06-parallel_wget.cc](/tutorial/tutorial-06-parallel_wget.cc)
# 关于parallel_wget
这是我们第一个并行任务的示例。
程序从命令行读入多个http URL（以空格分割），并行抓取这些URL，并按照输入顺序将抓取结果打印到标准输出。
# 创建并行任务
之前的示例里，我们已经接触过了SeriesWork类。
* SeriesWork由任务构成，代表一系列任务的串行执行。所有任务结束，则这个series结束。
* 与SeriesWork对应的ParallelWork类，parallel由series构成，代表若干个series的并行执行。所有series结束，则这个parallel结束。
* ParallelWork是一种任务。
根据上述的定义，我们就可以动态或静态的生成任意复杂的工作流了。
Workflow类里，有两个接口用于产生并行任务：
~~~cpp
class Workflow
{
...
public:
static ParallelWork *
create_parallel_work(parallel_callback_t callback);
static ParallelWork *
create_parallel_work(SeriesWork *const all_series[], size_t n,
parallel_callback_t callback);
...
};
~~~
第一个接口创建一个空的并行任务，第二个接口用一个series数组创建并行任务。
无论用哪个接口产生的并行任务，在启动之前都可以用ParallelWork的add_series()接口添加series。
在示例代码里，我们创建一个空的并行任务，并逐个添加series。
~~~cpp
int main(int argc, char *argv[])
{
ParallelWork *pwork = Workflow::create_parallel_work(callback);
SeriesWork *series;
WFHttpTask *task;
HttpRequest *req;
tutorial_series_context *ctx;
int i;
for (i = 1; i < argc; i++)
{
std::string url(argv[i]);
...
task = WFTaskFactory::create_http_task(url, REDIRECT_MAX, RETRY_MAX,
[](WFHttpTask *task)
{
// store resp to ctx.
});
req = task->get_req();
// add some headers.
...
ctx = new tutorial_series_context;
ctx->url = std::move(url);
series = Workflow::create_series_work(task, nullptr);
series->set_context(ctx);
pwork->add_series(series);
}
...
}
~~~
从代码中看到，我们先创建http任务，但http任务并不能直接加入到并行任务里，需要先用它创建一个series。
每个series都带有context，用于保存url和抓取结果。相关的方法我们在之前的示例里都介绍过。
# 保存和使用抓取结果
http任务的callback是一个简单的lambda函数，把抓取结果保存在自己的series context里，以便并行任务获取。
~~~cpp
task = WFTaskFactory::create_http_task(url, REDIRECT_MAX, RETRY_MAX,
[](WFHttpTask *task)
{
tutorial_series_context *ctx =
(tutorial_series_context *)series_of(task)->get_context();
ctx->state = task->get_state();
ctx->error = task->get_error();
ctx->resp = std::move(*task->get_resp());
});
~~~
这个做法是必须的，因为http任务在callback之后就会被回收，我们只能把resp通过std::move()操作移走。
而在并行任务的callback里，我们可以很方便的获得结果：
~~~cpp
void callback(const ParallelWork *pwork)
{
tutorial_series_context *ctx;
const void *body;
size_t size;
size_t i;
for (i = 0; i < pwork->size(); i++)
{
ctx = (tutorial_series_context *)pwork->series_at(i)->get_context();
printf("%s\n", ctx->url.c_str());
if (ctx->state == WFT_STATE_SUCCESS)
{
ctx->resp.get_parsed_body(&body, &size);
printf("%zu%s\n", size, ctx->resp.is_chunked() ? " chunked" : "");
fwrite(body, 1, size, stdout);
printf("\n");
}
else
printf("ERROR! state = %d, error = %d\n", ctx->state, ctx->error);
delete ctx;
}
}
~~~
在这里，我们看到ParallelWork的两个新接口，size()和series_at(i)，分别获得它的并行series个数，和第i个并行series。
通过series->get_context()取到对应series的上下文，打印结果。打印顺序必然和我们放入顺序一致。
在这个示例中，并行任务执行完就没有其它工作了。
我们上面说过，ParallelWork是一种任务，所以同样我们可以用series_of()获得它所在的series并添加新任务。
但是，如果新任务还要使用到抓取结果，我们需要再次用std::move()把数据移到并行任务所在series的上下文里。
# 并行任务启动
并行任务是一种任务，所以并行任务的启动并没有什么特别，可以直接调用start()，也可以用它建立或启动一个series。
在这个示例里，我们启动一个series，在这个series的callback里唤醒主进程，正常退出程序。
我们也可以在并行任务的callback里唤醒主进程，程序行为上区别不大。但在series callback里唤醒更加规范一点。
|
