关于c++:高性能-C-HTTP-客户端原理与实现

一、什么是 Http Client

Http协定，是全互联网独特的语言，而 Http Client，能够说是咱们须要从互联网世界获取数据的最根本办法，它实质上是一个URL 到一个 网页 的转换过程。而有了根本的 Http 客户端性能，再搭配上咱们想要的规定和策略，上至内容检索下至数据分析都能够实现了。

继上一次介绍用 Workflow 能够 10 行 C ++ 代码实现一个高性能 Http 服务器，明天持续给大家用 C ++ 实现一个高性能的 Http 客户端也同样很简略！

// [http_client.cc]
#include "stdio.h"
#include "workflow/HttpMessage.h"
#include "workflow/WFTaskFactory.h"

int main (int argc, char *argv[])
{
    const char *url = "https://github.com/sogou/workflow";
    WFHttpTask *task = WFTaskFactory::create_http_task (url, 2, 3,
            [](WFHttpTask * task) { 
                fprintf(stderr, "%s %s %s\r\n",
                        task->get_resp()->get_http_version(),
                        task->get_resp()->get_status_code(),
                        task->get_resp()->get_reason_phrase());
    });
    task->start();
    getchar(); // press "Enter" to end.
    return 0;
}

只有装置好了 Workflow，以上代码即能够通过以下命令编译出一个简略的 http_client：

g++ -o http_client http_client.cc --std=c++11 -lworkflow -lssl -lcrypto -lpthread

依据 Http 协定，咱们执行这个可执行程序 ./http_client，就会失去以下内容：

HTTP/1.1 200 OK

同理，咱们还能够通过其余 api 来取得返回的其余 Http header 和 Http body，所有内容都在这个 WFHttpTask 中。而因为 Workflow 是个异步调度框架，因而这个工作收回之后，不会阻塞以后线程，外加外部自带的连贯复用，从根本上保障了咱们的 Http Client 的高性能。

接下来给大家具体解说一下原理～

二、申请的过程

1. 创立 Http 工作

上述 demo 能够看到，申请是通过发动一个 Workflow 的 Http 异步工作来实现的，创立工作的接口如下：

WFHttpTask *create_http_task(const std::string& url,
                             int redirect_max, int retry_max,
                             http_callback_t callback);

第一个参数就是咱们要申请的 URL。对应的，在一开始的示例中，咱们的重定向次数redirect_max 是 2 次，而重试次数 retry_max 是 3 次。第四个参数是一个回调函数，示例中咱们用了一个 lambda，因为 Workflow 的工作都是异步的，因而咱们处理结果这件事件是被动告诉咱们的，后果回来就会调起这个回调函数，格局如下：

using http_callback_t = std::function<void (WFHttpTask *)>;

2. 填写 header 并收回

咱们的网络交互无非是 申请 - 回复 ，对应到Http Client 上，在咱们创立好了 task 之后，咱们有一些机会是解决 申请 的，在 Http 协定里，就是在 header 里填好协定相干的事件，比方咱们能够通过 Connection 来指定心愿失去建设 Http 的 长连贯 ，以节俭下次建设连贯的耗时，那么咱们能够把Connection 设置为Keep-Alive。示例如下：

protocol::HttpRequest *req = task->get_req();
req->add_header_pair("Connection", "Keep-Alive");
task->start();

最初咱们会把设置好申请的工作，通过 task->start(); 收回。最开始的 http_client.cc 示例中，有一个 getchar(); 语句，是因为咱们的异步工作收回后是非阻塞的，以后线程不临时停住就会退出，而咱们心愿等到回调函数回来，因而咱们能够用多种暂停的形式。

3. 解决返回后果

一个返回后果，依据 Http 协定，会蕴含三局部：音讯行 、 音讯头 header、音讯注释 body。如果咱们想要获取 body，能够这样：

const void *body;
size_t body_len;
task->get_resp()->get_parsed_body(&body, &body_len); 

三、高性能的根本保障

咱们应用 C ++ 来写 Http Client，最香的就是能够利用其高性能。Workflow 对高并发是如何保障的呢？其实就两点：

• 纯异步；
• 连贯复用；

前者是对 线程资源 的反复利用、后者是对 连贯资源 的反复利用，这些框架层级都为用户治理好了，充沛缩小开发者的心智累赘。

1. 异步调度模式

同步和异步的模式间接决定了咱们的 Http Client 能够有多大的并发度。为什么呢？通过下图能够先看看同步框架发动三个 Http 工作，线程模型是怎么的：

网络提早往往十分大，如果咱们在同步期待工作回来的话，线程就会始终被占用。这时候咱们须要看看异步框架是如何实现的：

如图所示，只有工作收回之后，线程即可做其余事件，咱们传入了一个 回调函数 做异步告诉，因而等工作的网络回复收完之后，再让线程执行这个回调函数即可拿到 Http 申请的后果，期间多个工作并发进来的时候，线程是能够复用的，轻松达到几十万的 QPS 并发度。

2. 连贯复用

咱们方才有提到，只有咱们建设了长连贯，即可提高效率。为什么呢？因为框架对连贯有复用。咱们先来看看如果一个申请就建设一个连贯，会是什么样的状况：

很显然，占用大量的连贯是对系统资源的节约，而且每次都要做 connect 以及 close 是十分耗时的，除了 TCP 常见的握手以外，许多应用层协定建设连贯的过程也会绝对简单。但应用 Workflow 就不会有这样的懊恼，Workflow会在工作收回的时候主动查找以后能够复用的连贯，如果没有才会主动创立，齐全不须要开发者关怀连贯如何复用的细节：

3. 解锁其余性能

当然，除了以上的高性能以外，一个高性能的 Http Client 往往还有许多其余的需要，这里能够结合实际状况与大家分享：

1. 联合 workflow 的串并联工作流，实现超大规模 并行抓取；
2. 按程序 或者按指定速度申请某个站点的内容，防止申请过猛被封禁；
3. Http Client遇到 redirect 能够主动帮我做跳转，一步到位申请到最终后果；
4. 心愿通过 proxy 代理拜访 HTTP 与HTTPS资源；

以上这些需要，要求框架对于 Http 工作的编排有超高的灵活性，以及对理论需要（比方 redirect、ssl 代理等性能）有十分接地气的反对，这些 Workflow 都曾经实现。

我的项目地址

https://github.com/sogou/workflow

欢送应用 workflow 并 star 反对一下！