news 2026/7/9 21:43:16

Laravel 中 Http::get() 默认同步,切勿在循环中直接使用!

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Laravel 中 Http::get() 默认同步,切勿在循环中直接使用!

Http::get()(即Illuminate\Http\Client\Factory提供的 HTTP 客户端)默认是同步阻塞的,基于 Guzzle + cURL 或 stream wrapper 实现。在循环中直接调用会导致:

  • 串行请求:每个请求必须等前一个完成才发起下一个
  • 总耗时 ≈ ∑(各请求耗时),极易成为性能瓶颈
  • 浪费 CPU 资源:PHP 进程在 I/O 等待期间无法做其他工作

示例(反面教材)

$urls=['https://a.com','https://b.com','https://c.com'];foreach($urlsas$url){$response=Http::get($url);// 阻塞!// 处理响应}

若每个请求耗时 200ms,3 次请求总耗时 ≈ 600ms。


正确做法

✅ 方案 1:使用批量接口(首选)

如果目标服务支持批量查询(如 GraphQL、/batch endpoint),1 次请求解决 N 个问题

✅ 方案 2:改用异步协程(Swoole / ReactPHP)

在 Swoole 环境中,可用协程并发:

useSwoole\Coroutine;useSwoole\Coroutine\Http\Client;Coroutine\run(function()use($urls){$results=[];foreach($urlsas$url){go(function()use($url,&$results){$parsed=parse_url($url);$cli=newClient($parsed['host'],443,true);$cli->get($parsed['path']??'/');$results[$url]=$cli->body;$cli->close();});}// 所有请求并发执行,总耗时 ≈ 最慢单次请求});

注意:Laravel HTTP Client 本身不支持异步,需绕过它直接使用协程 HTTP 客户端。

✅ 方案 3:分片 + 队列(FPM 环境)

在传统 FPM 下,将任务分片交由队列处理:

// 控制器中URLBatchJob::dispatch($urls);// 队列任务中(可并行多个 worker)publicfunctionhandle(){foreach(array_chunk($this->urls,10)as$chunk){// 可在此 chunk 内用多进程或限制并发的同步请求}}
✅ 方案 4:用 Guzzle 的异步(仅限 CLI,且仍非真异步)

Guzzle 支持异步 promises,但 PHP 本身单线程,需手动wait()仍阻塞,仅能稍作优化:

$client=new\GuzzleHttp\Client();$promises=[];foreach($urlsas$url){$promises[$url]=$client->getAsync($url);}$responses=\GuzzleHttp\Promise\unwrap($promises);// 此处才发起并发

仅在 CLI 下有效,FPM 中仍可能超时;且无法与 LaravelHttp客户端直接集成。


总结

  • Http::get()是同步阻塞的,禁止在循环中直接使用
  • 优先考虑批量 API
  • 若需并发,必须脱离 Laravel HTTP Client,使用 Swoole 协程或队列分片。
  • 在 FPM 环境下,队列是安全且可扩展的解法
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/10 12:55:53

LangFlow与Streamlit、Gradio等前端框架如何协同工作?

LangFlow与Streamlit、Gradio等前端框架如何协同工作? 在AI应用开发日益普及的今天,一个典型的问题摆在开发者面前:如何快速将一个大语言模型(LLM)的想法从概念变成可交互的产品原型?尤其当团队中不仅有工程…

作者头像 李华
网站建设 2026/7/10 2:22:47

LangFlow未来发展方向预测:是否会成为标准开发工具?

LangFlow未来发展方向预测:是否会成为标准开发工具? 在大模型应用爆发的今天,一个产品经理或业务分析师能否在不写一行代码的情况下,快速搭建出一个能调用知识库、具备对话记忆、还能执行外部搜索的智能客服原型?这在过…

作者头像 李华
网站建设 2026/7/10 13:40:32

LangFlow与向量数据库(如Pinecone)集成实战教程

LangFlow 与 Pinecone 集成实战:构建可交互的智能知识系统 在企业级 AI 应用开发中,一个反复出现的挑战是——如何让大语言模型(LLM)真正“理解”组织内部的知识?预训练模型虽然见多识广,但面对公司特有的制…

作者头像 李华
网站建设 2026/7/10 7:33:59

LangFlow中的条件分支节点如何配置?逻辑控制进阶教学

LangFlow中的条件分支节点如何配置?逻辑控制进阶教学 在构建智能对话系统或自动化AI代理时,一个常见的需求是:让系统根据输入内容的不同,自动选择不同的处理路径。比如用户表达不满时转人工客服,提问技术问题则调用知识…

作者头像 李华
网站建设 2026/7/10 10:42:56

LangFlow自动代码生成功能测评:输出质量与可读性分析

LangFlow自动代码生成功能测评:输出质量与可读性分析 在AI应用开发日益普及的今天,越来越多团队面临一个共同挑战:如何快速验证大模型(LLM)驱动的功能构想,同时确保原型具备向生产环境演进的基础&#xff1…

作者头像 李华
网站建设 2026/7/9 15:15:02

​AIGC率降低到3%!2个免费神器轻松降AIGC率,好用不贵!

临近毕业,好多学弟学妹都在问:有没有免费的降AI率工具? 一篇论文动不动10000、20000字,查重、查AI率、降重、降AIGC率,再查一次AIGC率。从写好论文到最后通过查重,最起码得好几百。 对学生来说&#xff0…

作者头像 李华