作者：horsley
perl 语言编程实例－多进程篇
perl 语言是一种非常强大的脚本语言，其应用遍及系统维护，CGI，数据库编程。
以下是我遇到的一个具体问题，应用perl获得圆满解决。
问题提出：
某数据库应用。需要检索一批数据（A表，数据量12万左右）。对该批数据
将进行逐一核对，期间将关联三个千万级的表（C,D,E表，分别有近亿条数据），
并将检索状态插入一张新表(F)。
传统解决方案：
编写存储过程。打开一个cursor，对A表遍历，逐一检索C,D,E表。
判断状态写入新表。编程过程十分简单，顺利完成。但执行时效率低下，耗时在
8小时左右，不能满足要求。
分析：
C,D,E表建有极其完备的索引。对单条数据检索极其快速。同时执行时主机CPU
，
内存等资源十分空闲。查询单条记录耗时：8×3600/12万＝0.24秒，也是在合理的
范围。
同时主机数据库在业务高峰期时可以支持500－600用户同时登陆（telnet方式）。
以上
说明性能瓶颈不在主机，数据库上。
结论：以上所有都合情合理，采用单进程方式无法进一步提高性能。为提高速度，
只能
采用多进程。
快速构造原型:
原型一：
#!/usr/bin/perl
my $maxchild=20;
foreach $item (1..500) {
while ( `ps -ef|grep $0|wc -l` > $maxchild) { select undef,undef,undef,0.1; };
if ($PID=fork()){
print "Starting Sub_Process:$PID\n";
} else {
print "I will handle data:$item\n";
sleep 1;
exit 1;
};
}
执行以上，正常，子进程控制在20。
以上述脚本为基础，添加数据库部分：
#!/usr/bin/perl
use DBI;
my $dbh=DBI->connect(...);
my $sth=$dbh->prepare(qq/select * from A/);
$sth->execute();
$sth->bind_column(undef,.....);
while ($sth->fetch()) {
while ( `ps -ef|grep $0|wc -l` > $maxchild) { select undef,undef,undef,0.1; };
if ($PID=fork()) {
print "Starting Sub_Process:$PID\n";
} else {
query(B,C,D); #执行数据库操作
insert(E);
exit 1;
}
}
$sth->finish();
$dbh->disconnect();
确保无语法错误，执行。处理一两条数据后脚本报错，中断。具体错误略。
分析：程序框架没错，但是在fork子进程时，$dbh同时被子进程继承，导致该数据
库连接反复使用。
由于数据库底层的某种原因，对该种操作是不允许的。结论：以上简单的多进程方
式不可行。数据库
连接部分必须同 fork 分离。
######################################
考虑很久，设计如下原型：将打开A表的cursor单独提出，结果传给另外一个进程
。
12万数据较大，作为参数传递似乎不妥，考虑利用管道通信。
原型二：
############################
分成 getdata，setdata两个程序。首先建立管道 : mknod data.pipe p
cat getdata:
#!/usr/bin/perl
use DBI;
open(DATAPIPE,">./data.pipe") or die "$!\n";
my $dbh=DBI->connect(...);
my $sth=$dbh->prepare(qq/select * from A/);
$sth->execute();
$sth->bind_column(undef,.....);
while ($sth->fetch()) {
print DATAPIPE data.....;
}
close(DATAPIPE);
######################
cat setdata:
#!/usr/bin/perl
use DBI;
open(DATAPIPE,"<./data.pipe") or die "$!\n";
my $pipecount=0;
my $maxlines=2000;
my @lines=();
while($record=<DATAPIPE>) {
$pipecount++;
push @lines,$record;
unless ($pipecount % $maxlines) {
if ($PID=fork()){
print "Starting Sub_Process:$PID\n";
@lines=();
}else{
my $dbh=DBI->connect(...);
foreach (@lines) {
handle_data($_);
}
$dbh->disconnect();
exit 1;
}
}
}
my $dbh=DBI->connect(...);
foreach (@lines) {
handle_data($_);
}
$dbh->disconnect();
以上脚本运行正常，执行时启动：12万/$maxlines= 60个子进程。
处理完所有数据耗时在 10分钟左右，效率提高几十倍。
脚本执行方式：./getdata&./setdata
