什么是高并发?
1 | 高并发是互联网分布式系统架构的性能指标之一,它通常是指单位时间内系统能够同时处理的请求数, |
那么我们在谈论高并发的时候,究竟在谈些什么东西呢?
高并发究竟是什么?
这里先给出结论:高并发
的基本表现为单位时间内系统能够同时处理的请求数,高并发
的核心是对CPU资源的有效压榨。
举个例子,如果我们开发了一个叫做MD5穷举
的应用,每个请求都会携带一个md5加密字符串,最终系统穷举出所有的结果,并返回原始字符串。这个时候我们的应用场景或者说应用业务是属于CPU密集型
而不是IO密集型
。这个时候CPU一直在做有效计算,甚至可以把CPU利用率跑满,这时我们谈论高并发并没有任何意义。(当然,我们可以通过加机器也就是加CPU来提高并发能力,这个是一个正常猿都知道废话方案,谈论加机器没有什么意义,没有任何高并发是加机器解决不了,如果有,那说明你加的机器还不够多!🐶)
对于大多数互联网应用来说,CPU不是也不应该是系统的瓶颈,系统的大部分时间的状况都是CPU在等I/O (硬盘/内存/网络) 的读/写操作完成。
这个时候就可能有人会说,我看系统监控的时候,内存和网络都很正常,但是CPU利用率却跑满了这是为什么?1
这是一个好问题,后文我会给出实际的例子,再次强调上文说的 '有效压榨' 这4个字,这4个字会围绕本文的全部内容!
控制变量法
万事万物都是互相联系的,当我们在谈论高并发的时候,系统的每个环节应该都是需要与之相匹配的。我们先来回顾一下一个经典C/S的HTTP请求流程。
如图中的序号所示:
- 我们会经过DNS服务器的解析,请求到达负载均衡集群
- 负载均衡服务器会根据配置的规则,想请求分摊到服务层。服务层也是我们的业务核心层,这里可能也会有一些PRC、MQ的一些调用等等
- 再经过缓存层
- 最后持久化数据
- 返回数据给客户端
要达到高并发,我们需要 负载均衡、服务层、缓存层、持久层 都是高可用、高性能的,甚至在第5步,我们也可以通过 压缩静态文件、HTTP2推送静态文件、CDN来做优化,这里的每一层我们都可以写几本书来谈优化。
本文主要讨论服务层这一块,即图红线圈出来的那部分。不再考虑讲述数据库、缓存相关的影响。
高中的知识告诉我们,这个叫 控制变量法
。
再谈并发
- 网络编程模型的演变历史
并发问题一直是服务端编程中的重点和难点问题,为了优系统的并发量,从最初的Fork进程开始,到进程池/线程池,再到epoll事件驱动(Nginx、node.js反人类回调),再到协程。
从上中可以很明显的看出,整个演变的过程,就是对CPU有效性能压榨的过程。
什么?不明显?
- 那我们再谈谈上下文切换
在谈论上下文切换之前,我们再明确两个名词的概念。
并行:两个事件同一时刻完成。
并发:两个事件在同一时间段内交替发生,从宏观上看,两个事件都发生了。
线程是操作系统调度的最小单位,进程是资源分配的最小单位。由于CPU是串行的,因此对于单核CPU来说,同一时刻一定是只有一个线程在占用CPU资源的。因此,Linux作为一个多任务(进程)系统,会频繁的发生进程/线程切换。
在每个任务运行前,CPU都需要知道从哪里加载,从哪里运行,这些信息保存在CPU寄存器
和操作系统的程序计数器
里面,这两样东西就叫做 CPU上下文
。
进程是由内核来管理和调度的,进程的切换只能发生在内核态,因此 虚拟内存、栈、全局变量等用户空间的资源,以及内核堆栈、寄存器等内核空间的状态,就叫做 进程上下文
。
前面说过,线程是操作系统调度的最小单位。同时线程会共享父进程的虚拟内存和全局变量等资源,因此 父进程的资源加上线上自己的私有数据就叫做线程的上下文
。
对于线程的上下文切换来说,如果是同一进程的线程,因为有资源共享,所以会比多进程间的切换消耗更少的资源。
现在就更容易解释了,进程和线程的切换,会产生CPU上下文
切换和进程/线程上下文
的切换。而这些上下文切换
,都是会消耗额外的CPU的资源的。
- 进一步谈谈协程的上下文切换
那么协程就不需要上下文切换了吗?需要,但是不会产生CPU上下文切换
和进程/线程上下文
的切换,因为这些切换都是在同一个线程中,即用户态中的切换,你甚至可以简单的理解为,协程上下文
之间的切换,就是移动了一下你程序里面的指针,CPU资源依旧属于当前线程。
需要深刻理解的,可以再深入看看Go的GMP模型
。
最终的效果就是协程进一步压榨了CPU的有效利用率。
回到开始的那个问题
1 | 这个时候就可能有人会说,我看系统监控的时候,内存和网络都很正常,但是CPU利用率却跑满了这是为什么? |
注意本篇文章在谈到CPU利用率的时候,一定会加上有效
两字作为定语,CPU利用率跑满,很多时候其实是做了很多低效的计算。
以『世界上最好的语言』为例,典型PHP-FPM的CGI模式,每一个HTTP请求:
- 都会读取框架的数百个php文件,
- 都会重新建立/释放一遍MYSQL/REIDS/MQ连接,
- 都会重新动态解释编译执行PHP文件,
- 都会在不同的php-fpm进程直接不停的切换切换再切换。
php的这种CGI运行模式,根本上就决定了它在高并发上的灾难性表现。
找到问题,往往比解决问题更难。当我们理解了当我们在谈论高并发究竟在谈什么
之后,我们会发现高并发和高性能并不是编程语言限制了你,限制你的只是你的思想。
找到问题,解决问题!当我们能有效压榨CPU性能之后,能达到什么样的效果?
下面我们看看 php+swoole的HTTP服务 与 Java高性能的异步框架netty的HTTP服务之间的性能差异对比。
性能对比前的准备
- [swoole是什么][1]
1 | Swoole是一个为PHP用C和C++编写的基于事件的高性能异步&协程并行网络通信引擎 |
- [Netty是什么][2]
1 | Netty是由JBOSS提供的一个java开源框架。 Netty提供异步的、事件驱动的网络应用程序框架和工具,用以快速开发高性能、高可靠性的网络服务器和客户端程序。 |
- 单机能够达到的最大HTTP连接数是多少?
回忆一下计算机网络的相关知识,HTTP协议是应用层协议,在传输层,每个TCP连接建立之前都会进行三次握手。
每个TCP连接由本地ip
,本地端口
,远端ip
,远端端口
,四个属性标识。
TCP协议报文头如下(图片来自[维基百科][3]):
本地端口由16位组成,因此本地端口的最多数量为 2^16 = 65535个。
远端端口由16位组成,因此远端端口的最多数量为 2^16 = 65535个。
同时,在linux底层的网络编程模型中,每个TCP连接,操作系统都会维护一个File descriptor(fd)文件来与之对应,而fd的数量限制,可以由ulimt -n 命令查看和修改,测试之前我们可以执行命令: ulimit -n 65536修改这个限制为65535。
因此,在不考虑硬件资源限制的情况下,
本地的最大HTTP连接数为: 本地最大端口数65535 本地ip数1 = 65535 个。
远端的最大HTTP连接数为:远端最大端口数65535 远端(客户端)ip数+∞ = 无限制~~ 。
PS: 实际上操作系统会有一些保留端口占用,因此本地的连接数实际也是达不到理论值的。
性能对比
- 测试资源
各一台docker容器,1G内存+2核CPU,如图所示:
docker-compose编排如下:
1 | # java8 |
- php代码
1 |
|
- Java关键代码
源代码来自, [https://github.com/netty/netty][4]
1 | public static void main(String[] args) throws Exception { |
因为我只给了两个核心的CPU资源,所以两个服务均只开启连个work进程即可。
5551端口表示PHP服务。
5555端口表示Java服务。
- 压测工具结果对比:ApacheBench (ab)
ab命令: docker run –rm jordi/ab -k -c 1000 -n 1000000 http://10.234.3.32:5555/
在并发1000进行100万次Http请求的基准测试中,
Java + netty 压测结果:
PHP + swoole 压测结果:
服务 | QPS | 响应时间ms(max,min) | 内存(MB) | ||
---|---|---|---|---|---|
Java + netty | 84042.11 | (11,25) | 600+ | ||
php + swoole | 87222.98 | (9,25) | 30+ |
ps: 上图选择的是三次压测下的最佳结果。
总的来说,性能差异并不大,PHP+swoole的服务甚至比Java+netty的服务还要稍微好一点,特别是在内存占用方面,java用了600MB,php只用了30MB。
这能说明什么呢?
没有IO阻塞操作,不会发生协程切换。
这个仅仅只能说明 多线程+epoll的模式下,有效的压榨CPU性能,你甚至用PHP都能写出高并发和高性能的服务。
性能对比——见证奇迹的时刻
上面代码其实并没有展现出协程的优秀性能,因为整个请求没有阻塞操作,但往往我们的应用会伴随着例如 文档读取、DB连接/查询 等各种阻塞操作,下面我们看看加上阻塞操作后,压测结果如何。
Java和PHP代码中,我都分别加上 sleep(0.01) //秒
的代码,模拟0.01秒的系统调用阻塞。
代码就不再重复贴上来了。
带IO阻塞操作的 Java + netty 压测结果:
大概10分钟才能跑完所有压测。。。
带IO阻塞操作的 PHP + swoole 压测结果:
服务 | QPS | 响应时间ms(max,min) | 内存(MB) | ||
---|---|---|---|---|---|
Java + netty | 1562.69 | (52,160) | 100+ | ||
php + swoole | 9745.20 | (9,25) | 30+ |
从结果中可以看出,基于协程的php+ swoole服务比 Java + netty服务的QPS高了6倍。
当然,这两个测试代码都是官方demo中的源代码,肯定还有很多可以优化的配置,优化之后,结果肯定也会好很多。
可以再思考下,为什么官方默认线程/进程数量不设置的更多一点呢?
进程/线程数量可不是越多越好哦,前面我们已经讨论过了,在进程/线程切换的时候,会产生额外的CPU资源花销,特别是在用户态和内核态之间切换的时候!
对于这些压测结果来说,我并不是针对Java,我是指 只要明白了高并发的核心是什么,找到这个目标,无论用什么编程语言,只要针对CPU利用率做有效的优化(连接池、守护进程、多线程、协程、select轮询、epoll事件驱动),你也能搭建出一个高并发和高性能的系统。
所以,你现在明白了,当我们在谈论高性能的时候,究竟在谈什么了吗?
思路永远比结果重要!
参考:
[1]: https://github.com/swoole/swoole-src/blob/master/README-CN.md
[2]: https://github.com/netty/netty
[3]: https://en.wikipedia.org/wiki/Transmission_Control_Protocol
[4]: https://github.com/netty/netty/tree/4.1/example/src/main/java/io/netty/example/http/helloworld
作者
陈刚,小米信息技术部服务研发
招聘
小米信息部武汉研发中心,信息部是小米公司整体系统规划建设的核心部门,支撑公司国内外的线上线下销售服务体系、供应链体系、ERP体系、内网OA体系、数据决策体系等精细化管控的执行落地工作,服务小米内部所有的业务部门以及 40 家生态链公司。
同时部门承担大数据基础平台研发和微服务体系建设落,语言涉及 Java、Go,长年虚位以待对大数据处理、大型电商后端系统、微服务落地有深入理解和实践的各路英雄。
欢迎投递简历:jin.zhang(a)xiaomi.com
更多技术文章:小米信息部技术团队
扫描二维码,分享此文章