百度AI开放平台- API实战调用
一、 前言
首先说一下项目需求。
两个用户，分别上传了两段不同的文字，要计算两段文字相似度有多少，匹配数据库中的符合条件的数据，初步估计列出来会有60-100条左右，不会更多，只会更少。最终的需求是：从这些匹配结果中找到相似度较高的那些条目。
自己编写算法来实现是一个很大的工程，涉及到自然语言处理的一些方面，比较复杂。于是上网搜了搜，发现百度开放平台的自然语言处理可以免费调用，而且每天有10W的调用次数，对我的小项目来说正好满足。但是，在往下翻的时候，发现百度给了提示，不保证并发，也就是说，在我调用的时候很容易出现返回错误结果的情况，这部分需要进行适当的处理。
既然是实战，我们从头开始说。
二、 准备工作
从哪里开始说呢，从在百度开放平台创建一个应用说起。创建应用之后（下面的开发环境是PHP，所以在选择应用使用类型的时候填写HTML），会有应用的ID，key，secret。后两个参数接下来会有用。
我使用的是短文本相似度API，其他类型的功能与此基本一模一样（不接受抬杠）。先去看开发文档http://ai.baidu.com/docs#/NLP-API/top可以看到提供了两种调用方式，这里我们以调用方式一为例-向API服务地址使用POST发送请求，这种方式来实现上述功能。看描述，需要一个参数叫做access_token，原文也提供了其获取方式。以获取短文本相似度的access_token为例子：
https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=MzRN******Txgske3QRf5Yj69&client_secret=a30CAbc*****bDuuGLdHLeyRaZk1tq5&
其中一共涉及三个参数，第一个固定为client_credentials不要改变。
第二第三个分别为前面获取到的key，secret。
把这一串地址放在地址栏中，回车即可返回json格式的字符串，找到access_token复制存在一个文件中，留着备用。
注意：复制地址的时候，中间可能会带有空格，一定要删去。特别是复制开发文档中的那段代码的时候，带有空格，是得不到返回结果的。可以复制我的这一段地址则没有问题。
三、 动手
下面开始编写PHP代码。整个过程我们只需一个文件就好。
PHP可以使用curl来请求url参数。在开发文档中，说明了要传参access_token以及要把请求文本以json格式传过去（编码是GBK）。下面是代码：
$access_token = "24.a810b4be2b5683a4d6af2f47b420877f.2592000.1507883636.282335-10044457";
$url = "https://aip.baidubce.com/rpc/2.0/nlp/v2/simnet?access_token=" . $access_token;
$body=array(
"text_1"=>"我在二舍B门口看到一床被子，应该是哪位同学忘记收走了，记得来取哦。",
"text_2"=>"信息A门口有一辆自行车，黄色的，没上锁，请失主前去认领。"
);
$json_data=json_encode($body);
这段代码及时实现了上述功能。在把$body转为json格式的时候，已经默认把中文从UTF8转到GBK了，无需另外的操作。
$curl=curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_POST, true);
curl_setopt($curl, CURLOPT_POSTFIELDS, $dataArray[$i]);
curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);//取消SSL鉴权验证
最后这个取消SSL鉴权验证是必须的，否则会报错！
$result = curl_exec($ch);
//var_dump($result);
$json = iconv("gb2312", "UTF-8", $result);//返回格式是中文GBK编码，需要转为UTF8
输出$json则可以看到返回结果。
但是上述过程仅仅实现了一条记录的相似度匹配，怎么实现多条呢？使用循环？？？NO!NO!NO!自己去测试一下如果同时10条url请求，会发生什么事情。好吧答案是：结果正确返回。。但是返回时间非常慢，因为10条请求是顺序执行的，不会并行。所以下面的问题就是要解决并行问题。
四、 解决并行问题以及QPS并发问题
说一个大家都知道的不好的消息，就是PHP本身是不支持多线程的。有木有想死的感觉？？
再说一个好消息，curl是可以并行处理多个url请求来模拟多线程的，这点非常好，啪啪！30条url请求同时发送，最终时间取决于最慢的那个请求。但是这个结果也非常棒了好不好。
下面是先是代码（我做了20条数据（文字内容都是一样的，其实一不一样无所谓））：
<?php
header('content-type:text/html;charset=utf8');
$localtime=date('y-m-d H:i:s',time());
echo "开始时间：".$localtime;
$access_token = "24.a810b4be2b5*******************507883636.282335-10044457";
$url = "https://aip.baidubce.com/rpc/2.0/nlp/v2/simnet?access_token=" . $access_token;
$body=array(
"text_1"=>"我在二舍B门口看到一床被子，应该是哪位同学忘记收走了，记得来取哦。",
"text_2"=>"信息A门口有一辆自行车，黄色的，没上锁，请失主前去认领。"
);
$json_data=json_encode($body);
$dataArray=array();
for($i=0;$i<160;$i++){
array_push($dataArray,$json_data);
}
$jsonResultArray=array();
mFunction($url,$dataArray,$jsonResultArray);
/*$jsonResultArray=func($url,$json_data);//存储返回的json数组*/
function mFunction($url,$dataArray,&$jsonResultArray){
$multicurl=curl_multi_init();
$curls=array();//存放所有的ch对象
for($i=0;$i<count($dataArray);$i++){
$curl=curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_POST, true);
curl_setopt($curl, CURLOPT_POSTFIELDS, $dataArray[$i]);
curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);//取消SSL鉴权验证
curl_multi_add_handle($multicurl,$curl);
array_push($curls,$curl);
}
/* $running = null;
do {
$mrc = curl_multi_exec($multicurl, $running);
} while ($mrc == CURLM_CALL_MULTI_PERFORM);
while ($running && $mrc == CURLM_OK) {
if (curl_multi_select($multicurl) != -1) {//$mh批处理中还有可执行的$ch句柄，curl_multi_select($mh) != -1程序退出阻塞状态。
do { //继续执行需要处理的$ch句柄。
$mrc = curl_multi_exec($multicurl, $running);
} while ($mrc == CURLM_CALL_MULTI_PERFORM);
}
}*/
$running = null;
// 执行批处理句柄
do {
usleep(10000);
curl_multi_exec($multicurl, $running);
} while ($running > 0);
$failArray=array();
for($i=0;$i<count($dataArray);$i++){
$temp=iconv("gb2312", "UTF-8", curl_multi_getcontent($curls[$i]));//得到的是返回结果的json格式字符串
$resultarray=json_decode($temp);//得到一个数组
if(array_key_exists("error_msg",$resultarray)){//出错则重新发送请求,最后得到的结果要赋值给temp
array_push($failArray,$dataArray[$i]);
curl_multi_remove_handle($multicurl, $curls[$i]);
}else{
array_push($jsonResultArray,$temp);
curl_multi_remove_handle($multicurl, $curls[$i]);
}
}
if($failArray!=null){//如果$failArray数组不为空，继续调用func()
curl_multi_close($multicurl);
mFunction($url,$failArray,$jsonResultArray);//$url,$json_data,&$jsonResultArray
}else{//如果$failArray数组为空,return 即可退出函数。
curl_multi_close($multicurl);
return;
}
}
for($i=0;$i<count($jsonResultArray);$i++){
var_dump($jsonResultArray[$i]);
}
$localtime=date('y-m-d H:i:s',time());
echo "结束时间：".$localtime;
上面这段代码，没错就是全部代码都贴出来了，注释也可以看。代码中一道都把并发带来的问题都解决了。
curl_multi_init(); 的用法不多说，上网查到处都是，可以去菜鸟教程看。下面说一说处理QPS的问题。
因为并行提交速度太快，服务器容易达到QPS限制，就会返回错误代码：
- '{"error_msg":"Open api qps request limit reached","error_code":18}' (length=66)
没什么好的解决方式，要想免费使用，我的方案是，对返回结果检测是否存在error_msg只要存在，就得重新发送请求。返回结果正常呢，就把返回结果现存人数组中。在处理重新发送请求部分，使用了函数迭代，直到没有错误信息才结束调用。最终所有的正确结果都存在数组中了。
五、 测试结果
经测试：
测试数据条目以及对应的响应时间，从结果来看，还是可以接受的。
/* * 20条=>1s * *40条=>3s * * 80条=>7s * * 160条=>16s * */
文章是昨晚上熬夜写的，没想到学校突然断网断电，断电不可怕，重要的是电没了，手机移动网络也跟着消失……消失……失……
早上起来重新发喽~
欢迎关注微信公众号“ **IT客**“ ，投稿邮箱 itkeyy@163.com