作者:hncg
鏈接:https://segmentfault.com/a/1190000019360335
高并發(fā)是互聯網分布式系統架構的性能指標之一,它通常是指單位時間內系統能夠同時處理的請求數,簡單點說,就是QPS(Queries per second)。
那么我們在談論高并發(fā)的時候,究竟在談些什么東西呢?
這里先給出結論: 高并發(fā)
的基本表現為單位時間內系統能夠同時處理的請求數,高并發(fā)
的核心是對CPU資源的有效壓榨。
舉個例子,如果我們開發(fā)了一個叫做MD5窮舉
的應用,每個請求都會攜帶一個md5加密字符串,最終系統窮舉出所有的結果,并返回原始字符串。這個時候我們的應用場景或者說應用業(yè)務是屬于CPU密集型
而不是IO密集型
。這個時候CPU一直在做有效計算,甚至可以把CPU利用率跑滿,這時我們談論高并發(fā)并沒有任何意義。(當然,我們可以通過加機器也就是加CPU來提高并發(fā)能力,這個是一個正常猿都知道廢話方案,談論加機器沒有什么意義,沒有任何高并發(fā)是加機器解決不了,如果有,那說明你加的機器還不夠多!??)
對于大多數互聯網應用來說,CPU不是也不應該是系統的瓶頸,系統的大部分時間的狀況都是CPU在等I/O (硬盤/內存/網絡) 的讀/寫操作完成。
這個時候就可能有人會說,我看系統監(jiān)控的時候,內存和網絡都很正常,但是CPU利用率卻跑滿了這是為什么?
這是一個好問題,后文我會給出實際的例子,再次強調上文說的 '有效壓榨' 這4個字,這4個字會圍繞本文的全部內容!
萬事萬物都是互相聯系的,當我們在談論高并發(fā)的時候,系統的每個環(huán)節(jié)應該都是需要與之相匹配的。我們先來回顧一下一個經典C/S的HTTP請求流程。
如圖中的序號所示:
1 我們會經過DNS服務器的解析,請求到達負載均衡集群
2 負載均衡服務器會根據配置的規(guī)則,想請求分攤到服務層。服務層也是我們的業(yè)務核心層,這里可能也會有一些PRC、MQ的一些調用等等
3 再經過緩存層
4 最后持久化數據
5 返回數據給客戶端
要達到高并發(fā),我們需要 負載均衡、服務層、緩存層、持久層 都是高可用、高性能的,甚至在第5步,我們也可以通過 壓縮靜態(tài)文件、HTTP2推送靜態(tài)文件、CDN來做優(yōu)化,這里的每一層我們都可以寫幾本書來談優(yōu)化。
本文主要討論服務層這一塊,即圖紅線圈出來的那部分。不再考慮講述數據庫、緩存相關的影響。
高中的知識告訴我們,這個叫 控制變量法
。
網絡編程模型的演變歷史
并發(fā)問題一直是服務端編程中的重點和難點問題,為了優(yōu)系統的并發(fā)量,從最初的Fork進程開始,到進程池/線程池,再到epoll事件驅動(Nginx、node.js反人類回調),再到協程。
從上中可以很明顯的看出,整個演變的過程,就是對CPU有效性能壓榨的過程。
什么?不明顯?
那我們再談談上下文切換
在談論上下文切換之前,我們再明確兩個名詞的概念。
并行:兩個事件同一時刻完成。
并發(fā):兩個事件在同一時間段內交替發(fā)生,從宏觀上看,兩個事件都發(fā)生了。
線程是操作系統調度的最小單位,進程是資源分配的最小單位。由于CPU是串行的,因此對于單核CPU來說,同一時刻一定是只有一個線程在占用CPU資源的。因此,Linux作為一個多任務(進程)系統,會頻繁的發(fā)生進程/線程切換。
在每個任務運行前,CPU都需要知道從哪里加載,從哪里運行,這些信息保存在CPU寄存器
和操作系統的程序計數器
里面,這兩樣東西就叫做 CPU上下文
。
進程是由內核來管理和調度的,進程的切換只能發(fā)生在內核態(tài),因此 虛擬內存、棧、全局變量等用戶空間的資源,以及內核堆棧、寄存器等內核空間的狀態(tài),就叫做 進程上下文
。
前面說過,線程是操作系統調度的最小單位。同時線程會共享父進程的虛擬內存和全局變量等資源,因此 父進程的資源加上線上自己的私有數據就叫做線程的上下文
。
對于線程的上下文切換來說,如果是同一進程的線程,因為有資源共享,所以會比多進程間的切換消耗更少的資源。
現在就更容易解釋了,進程和線程的切換,會產生CPU上下文
切換和進程/線程上下文
的切換。而這些上下文切換
,都是會消耗額外的CPU的資源的。
進一步談談協程的上下文切換
那么協程就不需要上下文切換了嗎?需要,但是不會產生 CPU上下文切換
和進程/線程上下文
的切換,因為這些切換都是在同一個線程中,即用戶態(tài)中的切換,你甚至可以簡單的理解為,協程上下文
之間的切換,就是移動了一下你程序里面的指針,CPU資源依舊屬于當前線程。
需要深刻理解的,可以再深入看看Go的GMP模型
。
最終的效果就是協程進一步壓榨了CPU的有效利用率。
這個時候就可能有人會說,我看系統監(jiān)控的時候,內存和網絡都很正常,但是CPU利用率卻跑滿了這是為什么?
注意本篇文章在談到CPU利用率的時候,一定會加上有效
兩字作為定語,CPU利用率跑滿,很多時候其實是做了很多低效的計算。
以'世界上最好的語言'為例,典型PHP-FPM的CGI模式,每一個HTTP請求:
都會讀取框架的數百個php文件,
都會重新建立/釋放一遍MYSQL/REIDS/MQ連接,
都會重新動態(tài)解釋編譯執(zhí)行PHP文件,
都會在不同的php-fpm進程直接不停的切換切換再切換。
php的這種CGI運行模式,根本上就決定了它在高并發(fā)上的災難性表現。
找到問題,往往比解決問題更難。當我們理解了當我們在談論高并發(fā)究竟在談什么
之后,我們會發(fā)現高并發(fā)和高性能并不是編程語言限制了你,限制你的只是你的思想。
找到問題,解決問題!當我們能有效壓榨CPU性能之后,能達到什么樣的效果?
下面我們看看 php+swoole的HTTP服務 與 Java高性能的異步框架netty的HTTP服務之間的性能差異對比。
swoole是什么
Swoole是一個為PHP用C和C++編寫的基于事件的高性能異步&協程并行網絡通信引擎
Netty是什么
Netty是由JBOSS提供的一個java開源框架。 Netty提供異步的、事件驅動的網絡應用程序框架和工具,用以快速開發(fā)高性能、高可靠性的網絡服務器和客戶端程序。
單機能夠達到的最大HTTP連接數是多少?
回憶一下計算機網絡的相關知識,HTTP協議是應用層協議,在傳輸層,每個HTTP請求都會進行三次握手,并建立一個TCP連接。
每個TCP連接由 本地ip
,本地端口
,遠端ip
,遠端端口
,四個屬性標識。
TCP協議報文頭如下(圖片來自維基百科):
本地端口由16位組成,因此本地端口的最多數量為 2^16 = 65535個。
遠端端口由16位組成,因此遠端端口的最多數量為 2^16 = 65535個。
同時,在linux底層的網絡編程模型中,每個TCP連接,操作系統都會維護一個File descriptor(fd)文件來與之對應,而fd的數量限制,可以由ulimt -n 命令查看和修改,測試之前我們可以執(zhí)行命令: ulimit -n 65536修改這個限制為65535。
因此,在不考慮硬件資源限制的情況下,
本地的最大HTTP連接數為: 本地最大端口數65535 * 本地ip數1 = 65535 個。
遠端的最大HTTP連接數為:遠端最大端口數65535 * 遠端(客戶端)ip數+∞ = 無限制~~ 。
PS: 實際上操作系統會有一些保留端口占用,因此本地的連接數實際也是達不到理論值的。
測試資源
各一臺docker容器,1G內存+2核CPU,如圖所示:
docker-compose編排如下:
# java8
version: '2.2'
services:
java8:
container_name: 'java8'
hostname: 'java8'
image: 'java:8'
volumes:
- /home/cg/MyApp:/MyApp
ports:
- '5555:8080'
environment:
- TZ=Asia/Shanghai
working_dir: /MyApp
cpus: 2
cpuset: 0,1
mem_limit: 1024m
memswap_limit: 1024m
mem_reservation: 1024m
tty: true
# php7-sw
version: '2.2'
services:
php7-sw:
container_name: 'php7-sw'
hostname: 'php7-sw'
image: 'mileschou/swoole:7.1'
volumes:
- /home/cg/MyApp:/MyApp
ports:
- '5551:8080'
environment:
- TZ=Asia/Shanghai
working_dir: /MyApp
cpus: 2
cpuset: 0,1
mem_limit: 1024m
memswap_limit: 1024m
mem_reservation: 1024m
tty: true
php代碼
<?php
use Swoole\Server;
use Swoole\Http\Response;
$http = new swoole_http_server('0.0.0.0', 8080);
$http->set([
'worker_num' => 2
]);
$http->on('request', function ($request, Response $response) {
//go(function () use ($response) {
// Swoole\Coroutine::sleep(0.01);
$response->end('Hello World');
//});
});
$http->on('start', function (Server $server) {
go(function () use ($server) {
echo 'server listen on 0.0.0.0:8080 \n';
});
});
$http->start();
Java關鍵代碼
源代碼來自, https://github.com/netty/netty
public static void main(String[] args) throws Exception {
// Configure SSL.
final SslContext sslCtx;
if (SSL) {
SelfSignedCertificate ssc = new SelfSignedCertificate();
sslCtx = SslContextBuilder.forServer(ssc.certificate(), ssc.privateKey()).build();
} else {
sslCtx = null;
}
// Configure the server.
EventLoopGroup bossGroup = new NioEventLoopGroup(2);
EventLoopGroup workerGroup = new NioEventLoopGroup();
try {
ServerBootstrap b = new ServerBootstrap();
b.option(ChannelOption.SO_BACKLOG, 1024);
b.group(bossGroup, workerGroup)
.channel(NioServerSocketChannel.class)
.handler(new LoggingHandler(LogLevel.INFO))
.childHandler(new HttpHelloWorldServerInitializer(sslCtx));
Channel ch = b.bind(PORT).sync().channel();
System.err.println('Open your web browser and navigate to ' +
(SSL? 'https' : 'http') + '://127.0.0.1:' + PORT + '/');
ch.closeFuture().sync();
} finally {
bossGroup.shutdownGracefully();
workerGroup.shutdownGracefully();
}
}
因為我只給了兩個核心的CPU資源,所以兩個服務均只開啟連個work進程即可。
5551端口表示PHP服務。
5555端口表示Java服務。
壓測工具結果對比:ApacheBench (ab)
ab命令: docker run --rm jordi/ab -k -c 1000 -n 1000000 http://10.234.3.32:5555/
在并發(fā)1000進行100萬次Http請求的基準測試中,
Java + netty 壓測結果:
PHP + swoole 壓測結果:
服務 | QPS | 響應時間ms(max,min) | 內存(MB) |
---|---|---|---|
Java + netty | 84042.11 | (11,25) | 600+ |
php + swoole | 87222.98 | (9,25) | 30+ |
ps: 上圖選擇的是三次壓測下的最佳結果。
總的來說,性能差異并不大,PHP+swoole的服務甚至比Java+netty的服務還要稍微好一點,特別是在內存占用方面,java用了600MB,php只用了30MB。
這能說明什么呢?
沒有IO阻塞操作,不會發(fā)生協程切換。
這個僅僅只能說明 多線程+epoll的模式下,有效的壓榨CPU性能,你甚至用PHP都能寫出高并發(fā)和高性能的服務。
上面代碼其實并沒有展現出協程的優(yōu)秀性能,因為整個請求沒有阻塞操作,但往往我們的應用會伴隨著例如 文檔讀取、DB連接等各種阻塞操作,下面我們看看加上阻塞操作后,壓測結果如何。
Java和PHP代碼中,我都分別加上 sleep(0.01) //秒
的代碼,模擬0.01秒的系統調用阻塞。
代碼就不再重復貼上來了。
帶IO阻塞操作的 Java + netty 壓測結果:
大概10分鐘才能跑完所有壓測。。。
帶IO阻塞操作的 PHP + swoole 壓測結果:
服務 | QPS | 響應時間ms(max,min) | 內存(MB) |
---|---|---|---|
Java + netty | 1562.69 | (52,160) | 100+ |
php + swoole | 9745.20 | (9,25) | 30+ |
從結果中可以看出,基于協程的php+ swoole服務比 Java + netty服務的QPS高了6倍。
當然,這兩個測試代碼都是官方demo中的源代碼,肯定還有很多可以優(yōu)化的配置,優(yōu)化之后,結果肯定也會好很多。
可以再思考下,為什么官方默認線程/進程數量不設置的更多一點呢?
進程/線程數量可不是越多越好哦,前面我們已經討論過了,在進程/線程切換的時候,會產生額外的CPU資源花銷,特別是在用戶態(tài)和內核態(tài)之間切換的時候!
對于這些壓測結果來說,我并不是針對Java,我是指 只要明白了高并發(fā)的核心是什么,找到這個目標,無論用什么編程語言,只要針對CPU利用率做有效的優(yōu)化(連接池、守護進程、多線程、協程、select輪詢、epoll事件驅動),你也能搭建出一個高并發(fā)和高性能的系統。
所以,你現在明白了,當我們在談論高性能的時候,究竟在談什么了嗎?
思路永遠比結果重要!
(完)
聯系客服