讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

SoundView
SoundView

字幕擦除翻译、配音口型同步

Laper
Laper

剧本策划到成片协作

如何分组执行 Promise:按批次并行、批次间串行的爬虫任务控制

夏明同学_9003

夏明同学_9003

发布时间:2026-11-17 09:51:04

|

900人浏览过

|

来源于php中文网

原创

如何分组执行 Promise:按批次并行、批次间串行的爬虫任务控制

本文讲解如何将一组异步任务(如网页爬取)划分为多个批次,确保每批内的 promise 并行执行,而各批次之间严格串行执行,避免因提前创建 promise 导致的并发失控问题。

本文讲解如何将一组异步任务(如网页爬取)划分为多个批次,确保每批内的 promise 并行执行,而各批次之间严格串行执行,避免因提前创建 promise 导致的并发失控问题。

在 Web 爬虫等 I/O 密集型场景中,我们常需平衡效率与资源压力:完全串行太慢,完全并行又可能触发反爬机制或耗尽浏览器页签/连接数。理想的策略是分组并发——例如每 3 个链接组成一批,并行抓取该批所有页面;待整批完成后再启动下一批。但关键陷阱在于:Promise 一旦被创建(即调用 async 函数),其内部异步操作便立即开始执行。若先批量构造所有 Promise 再分组 await,实际仍是全量并发。

因此,正确做法是:延迟 Promise 的创建时机,仅在处理当前批次时才生成对应 Promise 数组。这意味着分组逻辑必须作用于原始数据(如 string[] 链接列表),而非已创建的 Promise[]。

智能网页爬虫
智能网页爬虫

智能网页数据采集器,自动识别页面结构,批量抓取列表/表格/详情页数据,支持导出JSON/CSV/Excel,内置反爬策略适配。

下载

以下是实现该模式的核心步骤与代码:

✅ 正确的分组工具函数(作用于原始数组)

export function splitArray<T>(array: T[], chunkSize: number): T[][] {
  if (chunkSize < 1) throw new Error('chunkSize must be >= 1');
  const result: T[][] = [];
  for (let i = 0; i < array.length; i += chunkSize) {
    result.push(array.slice(i, i + chunkSize));
  }
  return result;
}

✅ 爬虫主函数:按批创建 + 并行执行

async function crawler(links: string[], page: Page): Promise<MyData[]> {
  const allResults: MyData[] = [];
  const linkChunks = splitArray(links, 3); // 按3个链接分组

  for (const chunk of linkChunks) {
    // ✅ 关键:仅在此处为当前批次创建 Promise
    const crawlPromises = chunk.map(async (link) => {
      try {
        const newPage = await page.browser().newPage();
        const detail = await crawlLink(link, newPage);
        await newPage.close();
        return detail;
      } catch (e) {
        console.error(`Failed to crawl ${link}:`, e);
        return null as MyData;
      }
    });

    // ✅ 当前批次内所有 Promise 并行执行,await 阻塞至整批完成
    const batchResults = await Promise.all(crawlPromises);

    // 过滤掉失败结果(null),合并到最终结果
    const validResults = batchResults.filter((r): r is MyData => r !== null);
    allResults.push(...validResults);
  }

  return allResults;
}

⚠️ 注意事项与最佳实践

  • 勿提前实例化 Promise:links.map(() => asyncFn()) 应放在 for...of 循环内,而非循环外。
  • 错误处理要粒度适中:单个链接失败不应中断整批,故 try/catch 在每个 map 回调内;但需记录日志以便排查。
  • 资源清理必须可靠:如示例中 newPage.close() 放在 finally 块更健壮(此处为简洁省略,生产环境建议补充)。
  • 动态限流可扩展:若需根据系统负载调整 chunkSize,可将其作为参数传入 crawler。
  • 类型安全增强:使用 as MyData 类型断言前,建议通过 isMyData() 类型守卫校验结构,提升鲁棒性。

通过这种“延迟创建 + 批次等待”模式,你既能充分利用并发提升吞吐,又能精准控制资源占用节奏,是构建稳定、可伸缩爬虫系统的基石设计。

热门AI工具

更多
豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

码上飞
码上飞 Hot

一款基于自然语言的AI应用开发平台,可根据用户描述自动生成应用程序,帮助个人和团队快速完成应用原型与开发。

相关专题

更多
js获取数组长度的方法
js获取数组长度的方法

在js中,可以利用array对象的length属性来获取数组长度,该属性可设置或返回数组中元素的数目,只需要使用“array.length”语句即可返回表示数组对象的元素个数的数值,也就是长度值。php中文网还提供JavaScript数组的相关下载、相关课程等内容,供大家免费下载使用。

6006

2023.06.20

js刷新当前页面
js刷新当前页面

js刷新当前页面的方法:1、reload方法,该方法强迫浏览器刷新当前页面,语法为“location.reload([bForceGet]) ”;2、replace方法,该方法通过指定URL替换当前缓存在历史里(客户端)的项目,因此当使用replace方法之后,不能通过“前进”和“后退”来访问已经被替换的URL,语法为“location.replace(URL) ”。php中文网为大家带来了js刷新当前页面的相关知识、以及相关文章等内容

1429

2023.07.04

js四舍五入
js四舍五入

js四舍五入的方法:1、tofixed方法,可把 Number 四舍五入为指定小数位数的数字;2、round() 方法,可把一个数字舍入为最接近的整数。php中文网为大家带来了js四舍五入的相关知识、以及相关文章等内容

5904

2023.07.04

js删除节点的方法
js删除节点的方法

js删除节点的方法有:1、removeChild()方法,用于从父节点中移除指定的子节点,它需要两个参数,第一个参数是要删除的子节点,第二个参数是父节点;2、parentNode.removeChild()方法,可以直接通过父节点调用来删除子节点;3、remove()方法,可以直接删除节点,而无需指定父节点;4、innerHTML属性,用于删除节点的内容。

1080

2023.09.01

JavaScript转义字符
JavaScript转义字符

JavaScript中的转义字符是反斜杠和引号,可以在字符串中表示特殊字符或改变字符的含义。本专题为大家提供转义字符相关的文章、下载、课程内容,供大家免费下载体验。

2056

2023.09.04

js生成随机数的方法
js生成随机数的方法

js生成随机数的方法有:1、使用random函数生成0-1之间的随机数;2、使用random函数和特定范围来生成随机整数;3、使用random函数和round函数生成0-99之间的随机整数;4、使用random函数和其他函数生成更复杂的随机数;5、使用random函数和其他函数生成范围内的随机小数;6、使用random函数和其他函数生成范围内的随机整数或小数。

4065

2023.09.04

如何启用JavaScript
如何启用JavaScript

JavaScript启用方法有内联脚本、内部脚本、外部脚本和异步加载。详细介绍:1、内联脚本是将JavaScript代码直接嵌入到HTML标签中;2、内部脚本是将JavaScript代码放置在HTML文件的`<script>`标签中;3、外部脚本是将JavaScript代码放置在一个独立的文件;4、外部脚本是将JavaScript代码放置在一个独立的文件。

5373

2023.09.12

Js中Symbol类详解
Js中Symbol类详解

javascript中的Symbol数据类型是一种基本数据类型,用于表示独一无二的值。Symbol的特点:1、独一无二,每个Symbol值都是唯一的,不会与其他任何值相等;2、不可变性,Symbol值一旦创建,就不能修改或者重新赋值;3、隐藏性,Symbol值不会被隐式转换为其他类型;4、无法枚举,Symbol值作为对象的属性名时,默认是不可枚举的。

3540

2023.09.20

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

140

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn