一、需求缘起
web-Server 通常有个配置,最大工作线程数,后端服务一般也有个配置,工作线程池的线程数量,这个线程数的配置不同的业务架构师有不同的经验值,有些业务设置为 CPU 核数的 2 倍,有些业务设置为 CPU 核数的 8 倍,有些业务设置为 CPU 核数的 32 倍。
"工作线程数" 的设置依据是什么,到底设置为多少能够最大化 CPU 性能,是本文要讨论的问题。二、一些共性认知
在进行进一步深入讨论之前,先以提问的方式就一些共性认知达成一致。
提问:工作线程数是不是设置的越大越好?
回答:肯定不是的
1)一来服务器 CPU 核数有限,同时并发的线程数是有限的,1 核 CPU 设置 10000 个工作线程没有意义
2)线程切换是有开销的,如果线程切换过于频繁,反而会使性能降低提问:调用 sleep() 函数的时候,线程是否一直占用 CPU?
回答:不占用,等待时会把 CPU 让出来,给其他需要 CPU 资源的线程使用
不止调用 sleep() 函数,在进行一些阻塞调用,例如网络编程中的阻塞 accept()【等待客户端连接】和阻塞 recv()【等待下游回包】也不占用 CPU 资源提问:如果 CPU 是单核,设置多线程有意义么,能提高并发性能么?
回答:即使是单核,使用多线程也是有意义的
1)多线程编码可以让我们的服务 / 代码更加清晰,有些 IO 线程收发包,有些 Worker 线程进行任务处理,有些 Timeout 线程进行超时检测
2)如果有一个任务一直占用 CPU 资源在进行计算,那么此时增加线程并不能增加并发,例如这样的一个代码
while(1){i++;}
该代码一直不停的占用 CPU 资源进行计算,会使 CPU 占用率达到 100%
3)通常来说,Worker 线程一般不会一直占用 CPU 进行计算,此时即使 CPU 是单核,增加 Worker 线程也能够提高并发,因为这个线程在休息的时候,其他的线程可以继续工作三、常见服务线程模型
了解常见的服务线程模型,有助于理解服务并发的原理,一般来说互联网常见的服务线程模型有如下两种
IO 线程与工作线程通过队列解耦类模型
如上图,大部分 Web-Server 与服务框架都是使用这样的一种 "IO 线程与 Worker 线程通过队列解耦" 类线程模型:
1)有少数几个 IO 线程监听上游发过来的请求,并进行收发包(生产者)
2)有一个或者多个任务队列,作为 IO 线程与 Worker 线程异步解耦的数据传输通道(临界资源)
3)有多个工作线程执行正真的任务(消费者)
这个线程模型应用很广,符合大部分场景,这个线程模型的特点是,工作线程内部是同步阻塞执行任务的(回想一下 tomcat 线程中是怎么执行 Java 程序的,dubbo 工作线程中是怎么执行任务的),因此可以通过增加 Worker 线程数来增加并发能力,今天要讨论的重点是 "该模型 Worker 线程数设置为多少能达到最大的并发"。纯异步线程模型
任何地方都没有阻塞,这种线程模型只需要设置很少的线程数就能够做到很高的吞吐量,Lighttpd 有一种单进程单线程模式,并发处理能力很强,就是使用的的这种模型。该模型的缺点是:
1)如果使用单线程模式,难以利用多 CPU 多核的优势
2)程序员更习惯写同步代码,callback 的方式对代码的可读性有冲击,对程序员的要求也更高
3)框架更复杂,往往需要 server 端收发组件,server 端队列,client 端收发组件,client 端队列,上下文管理组件,有限状态机组件,超时管理组件的支持
however,这个模型不是今天讨论的重点。四、工作线程的工作模式
了解工作线程的工作模式,对量化分析线程数的设置非常有帮助:
上图是一个典型的工作线程的处理过程,从开始处理 start 到结束处理 end,该任务的处理共有 7 个步骤:
1)从工作队列里拿出任务,进行一些本地初始化计算,例如 http 协议分析、参数解析、参数校验等
2)访问 cache 拿一些数据
3)拿到 cache 里的数据后,再进行一些本地计算,这些计算和业务逻辑相关
4)通过 RPC 调用下游 service 再拿一些数据,或者让下游 service 去处理一些相关的任务
5)RPC 调用结束后,再进行一些本地计算,怎么计算和业务逻辑相关
6)访问 DB 进行一些数据操作
7)操作完数据库之后做一些收尾工作,同样这些收尾工作也是本地计算,和业务逻辑相关分析整个处理的时间轴,会发现:
1)其中 1,3,5,7 步骤中【上图中粉色时间轴】,线程进行本地业务逻辑计算时需要占用 CPU
2)而 2,4,6 步骤中【上图中橙色时间轴】,访问 cache、service、DB 过程中线程处于一个等待结果的状态,不需要占用 CPU,进一步的分解,这个 "等待结果" 的时间共分为三部分:
2.1)请求在网络上传输到下游的 cache、service、DB
2.2)下游 cache、service、DB 进行任务处理
2.3)cache、service、DB 将报文在网络上传回工作线程五、量化分析并合理设置工作线程数
最后一起来回答工作线程数设置为多少合理的问题。
通过上面的分析,Worker 线程在执行的过程中,有一部计算时间需要占用 CPU,另一部分等待时间不需要占用 CPU,通过量化分析,例如打日志进行统计,可以统计出整个 Worker 线程执行过程中这两部分时间的比例,例如:
1)时间轴 1,3,5,7【上图中粉色时间轴】的计算执行时间是 100ms
2)时间轴 2,4,6【上图中橙色时间轴】的等待时间也是 100ms
得到的结果是,这个线程计算和等待的时间是 1:1,即有 50% 的时间在计算(占用 CPU),50% 的时间在等待(不占用 CPU):
1)假设此时是单核,则设置为 2 个工作线程就可以把 CPU 充分利用起来,让 CPU 跑到 100%
2)假设此时是 N 核,则设置为 2N 个工作现场就可以把 CPU 充分利用起来,让 CPU 跑到 N*100% 结论:
N 核服务器,通过执行业务的单线程分析出本地计算时间为 x,等待时间为 y,则工作线程数(线程池线程数)设置为 N*(x+y)/x,能让 CPU 的利用率最大化。经验:
一般来说,非 CPU 密集型的业务(加解密、压缩解压缩、搜索排序等业务是 CPU 密集型的业务),瓶颈都在后端数据库,本地 CPU 计算的时间很少,所以设置几十或者几百个工作线程也都是可能的。以上内容均来自微信公众号 "架构师之路" 胡剑老师的文章,欢迎关注。
来源: http://www.bubuko.com/infodetail-2440068.html