高並發也算是這幾年的熱門詞匯了，尤其在互聯網圈，開口不聊個高並發問題，都不好意思出門。高並發有那麽邪乎嗎？動不動就千萬並發、億級流量，聽上去的確挺嚇人。但仔細想想，這麽大的並發與流量不都是通過路由器來的嗎？

高並發的流量通過低調的路由器進入我們系統，第一道關卡就是網卡，網卡怎麽抗住高並發？這個問題壓根就不存在，千萬並發在網卡看來，一樣一樣的，都是電信號，網卡眼裏根本區分不出來你是千萬並發還是一股洪流，所以衡量網卡牛不牛都說帶寬，從來沒有並發量的說法。

網卡位於物理層和鏈路層，最終把數據傳遞給網絡層（IP層），在網絡層有了IP地址，已經可以識別出你是千萬並發了，所以搞網絡層的可以自豪的說，我解決了高並發問題，可以出來吹吹牛了。誰沒事搞網絡層呢？主角就是路由器，這玩意主要就是玩兒網絡層。

非專業的我們，一般都把網絡層（IP層）和傳輸層（TCP層）放到一起，操作系統提供，對我們是透明的，很低調、很靠譜，以至於我們都把他忽略了。

吹過的牛是從應用層開始的，應用層一切都源於Socket，那些千萬並發最終會經過傳輸層變成千萬個Socket，那些吹過的牛，不過就是如何快速處理這些Socket。處理IP層數據和處理Socket究竟有啥不同呢？

最重要的一個不同就是IP層不是面向連接的，而Socket是面向連接的，IP層沒有連接的概念，在IP層，來一個數據包就處理一個，不用瞻前也不用顧後；而處理Socket，必須瞻前顧後，Socket是面向連接的，有上下文的，讀到一句我愛你，激動半天，你不前前後後地看看，就是瞎激動了。

你想前前後後地看明白，就要占用更多的內存去記憶，就要占用更長的時間去等待；不同連接要搞好隔離，就要分配不同的線程（或者協程）。所有這些都解決好，貌似還是有點難度的。

操作系統是個好東西，在Linux系統上，所有的IO都被抽象成了文件，網絡IO也不例外，被抽象成Socket，但是Socket還不僅是一個IO的抽象，它同時還抽象了如何處理Socket，最著名的就是select和epoll了，知名的nginx、netty、redis都是基於epoll搞的，這仨家夥基本上是在千萬並發領域必備神技。

但是多年前，Linux只提供了select的，這種模式能處理的並發量非常小，而epoll是專為高並發而生的，感謝操作系統。不過操作系統沒有解決高並發的所有問題，只是讓數據快速地從網卡流入我們的應用程序，如何處理才是老大難。

操作系統的使命之一就是最大限度的發揮硬件的能力，解決高並發問題，這也是最直接、最有效的方案，其次才是分布式計算。前面我們提到的nginx、netty、redis都是最大限度發揮硬件能力的典範。如何才能最大限度的發揮硬件能力呢？

要最大限度的發揮硬件能力，首先要找到核心矛盾所在。我認為，這個核心矛盾從計算機誕生之初直到現在，幾乎沒有發生變化，就是CPU和IO之間的矛盾。

CPU以摩爾定律的速度野蠻發展，而IO設備（磁盤，網卡）卻乏善可陳。龜速的IO設備成為性能瓶頸，必然導致CPU的利用率很低，所以提升CPU利用率幾乎成了發揮硬件能力的代名詞。

CPU與IO設備的協作基本都是以中斷的方式進行的，例如讀磁盤的操作，CPU僅僅是發一條讀磁盤到內存的指令給磁盤驅動，之後就立即返回了，此時CPU可以接著幹其他事情，讀磁盤到內存本身是個很耗時的工作，等磁盤驅動執行完指令，會發個中斷請求給CPU，告訴CPU任務已經完成，CPU處理中斷請求，此時CPU可以直接操作讀到內存的數據。

中斷機制讓CPU以最小的代價處理IO問題，那如何提高設備的利用率呢？答案就是緩存。

操作系統內部維護了IO設備數據的緩存，包括讀緩存和寫緩存，讀緩存很容易理解，我們經常在應用層使用緩存，目的就是盡量避免產生讀IO。

寫緩存應用層使用的不多，操作系統的寫緩存，完全是為了提高IO寫的效率。操作系統在寫IO的時候會對緩存進行合並和調度，例如寫磁盤會用到電梯調度算法。

高並發問題首先要解決的是如何高效利用網卡。網卡和磁盤一樣，內部也是有緩存的，網卡接收網絡數據，先存放到網卡緩存，然後寫入操作系統的內核空間（內存），我們的應用程序則讀取內存中的數據，然後處理。

除了網卡有緩存外，TCP/IP協議內部還有發送緩沖區和接收緩沖區以及SYN積壓隊列、accept積壓隊列。

這些緩存，如果配置不合適，則會出現各種問題。例如在TCP建立連接階段，如果並發量過大，而nginx裏面socket的backlog設置的值太小，就會導致大量連接請求失敗。

如果網卡的緩存太小，當緩存滿了後，網卡會直接把新接收的數據丟掉，造成丟包。當然如果我們的應用讀取網絡IO數據的效率不高，會加速網卡緩存數據的堆積。如何高效讀取網絡數據呢？目前在Linux上廣泛應用的就是epoll了。

操作系統把IO設備抽象為文件，網絡被抽象成了Socket，Socket本身也是一個文件，所以可以用read/write方法來讀取和發送網絡數據。在高並發場景下，如何高效利用Socket快速讀取和發送網絡數據呢？

要想高效利用IO，就必須在操作系統層面了解IO模型，在《UNIX網絡編程》這本經典著作裏，總結了五種IO模型，分別是阻塞式IO，非阻塞式IO，多路復用IO，信號驅動IO和異步IO。

我們以讀操作為例，當我們調用read方法讀取Socket上的數據時，如果此時Socket讀緩存是空的（沒有數據從Socket的另一端發過來），操作系統會把調用read方法的線程掛起，直到Socket讀緩存裏有數據時，操作系統再把該線程喚醒。

當然，在喚醒的同時，read方法也返回了數據。我理解所謂的阻塞，就是操作系統是否會掛起線程。

而對於非阻塞式IO，如果Socket的讀緩存是空的，操作系統並不會把調用read方法的線程掛起，而是立即返回一個EAGAIN的錯誤碼，在這種情景下，可以輪詢read方法，直到Socket的讀緩存有數據則可以讀到數據，這種方式的缺點非常明顯，就是消耗大量的CPU。

對於阻塞式IO，由於操作系統會掛起調用線程，所以如果想同時處理多個Socket，就必須相應地創建多個線程，線程會消耗內存，增加操作系統進行線程切換的負載，所以這種模式不適合高並發場景。有沒有辦法較少線程數呢？

非阻塞IO貌似可以解決，在一個線程裏輪詢多個Socket，看上去可以解決線程數的問題，但實際上這個方案是無效的，原因是調用read方法是一個系統調用，系統調用是通過軟中斷實現的，會導致進行用戶態和內核態的切換，所以很慢。

但是這個思路是對的，有沒有辦法避免系統調用呢？有，就是多路復用IO。

在Linux系統上select/epoll這倆系統API支持多路復用IO，通過這兩個API，一個系統調用可以監控多個Socket，只要有一個Socket的讀緩存有數據了，方法就立即返回，然後你就可以去讀這個可讀的Socket了，如果所有的Socket讀緩存都是空的，則會阻塞，也就是將調用select/epoll的線程掛起。

所以select/epoll本質上也是阻塞式IO，只不過他們可以同時監控多個Socket。

為什麽多路復用IO模型有兩個系統API？我分析原因是，select是POSIX標準中定義的，但是性能不夠好，所以各個操作系統都推出了性能更好的API，如Linux上的epoll、Windows上的IOCP。

至於select為什麽會慢，大家比較認可的原因有兩點，一點是select方法返回後，需要遍歷所有監控的Socket，而不是發生變化的Ssocket，還有一點是每次調用select方法，都需要在用戶態和內核態拷貝文件描述符的位圖（通過調用三次copy_from_user方法拷貝讀、寫、異常三個位圖）。epoll可以避免上面提到的這兩點。

在Linux操作系統上，性能最為可靠、穩定的IO模式就是多路復用，我們的應用如何能夠利用好多路復用IO呢？經過前人多年實踐總結，搞了一個Reactor模式，目前應用非常廣泛，著名的Netty、Tomcat NIO就是基於這個模式。

Reactor的核心是事件分發器和事件處理器，事件分發器是連接多路復用IO和網絡數據處理的中樞，核心就是監聽Socket事件（select/epoll_wait），然後將事件分發給事件處理器，事件分發器和事件處理器都可以基於線程池來做。

需要重點提一下的是，在Socket事件中主要有兩大類事件，一個是連接請求，另一個是讀寫請求，連接請求成功處理之後會創建新的Socket，讀寫請求都是基於這個新創建的Socket。

所以在網絡處理場景中，實現Reactor模式會稍微有點繞，但是原理沒有變化。具體實現可以參考Doug Lea的《Scalable IO in Java》（http://gee.cs.oswego.edu/dl/cpjslides/nio.pdf）

Reactor原理圖

Nginx默認采用的是多進程模型，Nginx分為Master進程和Worker進程，真正負責監聽網絡請求並處理請求的只有Worker進程，所有的Worker進程都監聽默認的80端口，但是每個請求只會被一個Worker進程處理。

這裏面的玄機是：每個進程在accept請求前必須爭搶一把鎖，得到鎖的進程才有權處理當前的網絡請求。每個Worker進程只有一個主線程，單線程的好處是無鎖處理，無鎖處理並發請求，這基本上是高並發場景裏面的最高境界了。（參考http://www.dre.vanderbilt.edu/~schmidt/PDF/reactor-siemens.pdf）

數據經過網卡、操作系統、網絡協議中間件（Tomcat、Netty等）重重關卡，終於到了我們應用開發人員手裏，我們如何處理這些高並發的請求呢？我們還是先從提升單機處理能力的角度來思考這個問題。

據經過網卡、操作系統、中間件（Tomcat、Netty等）重重關卡，終於到了我們應用開發人員手裏，我們如何處理這些高並發的請求呢？

我們還是先從提升單機處理能力的角度來思考這個問題，在實際應用的場景中，問題的焦點是如何提高CPU的利用率（誰叫它發展的最快呢），木桶理論講最短的那根板決定水位，那為啥不是提高短板IO的利用率，而是去提高CPU的利用率呢？

這個問題的答案是在實際應用中，提高了CPU的利用率往往會同時提高IO的利用率。當然在IO利用率已經接近極限的條件下，再提高CPU利用率是沒有意義的。我們先來看看如何提高CPU的利用率，後面再看如何提高IO的利用率。

提升CPU利用率目前主要的方法是利用CPU的多核進行並行計算，並行和並發是有區別的，在單核CPU上，我們可以一邊聽MP3，一邊Coding，這個是並發，但不是並行，因為在單核CPU的視野，聽MP3和Coding是不可能同時進行的。

只有在多核時代，才會有並行計算。並行計算這東西太高級，工業化應用的模型主要有兩種，一種是共享內存模型，另外一種是消息傳遞模型。

對於共享內存模型，其原理基本都來自大師Dijkstra在半個世紀前（1965）的一篇論文《Cooperating sequential processes》，這篇論文提出了大名鼎鼎的概念信號量，Java裏面用於線程同步的wait/notify也是信號量的一種實現。

大師的東西看不懂，學不會也不用覺得丟人，畢竟大師的嫡傳子弟也沒幾個。東洋有個叫結城浩的總結了一下多線程編程的經驗，寫了本書叫《JAVA多線程設計模式》，這個還是挺接地氣（能看懂）的。下面簡單介紹一下。

1. Single Threaded Execution

這個模式是把多線程變成單線程，多線程在同時訪問一個變量時，會發生各種莫名其妙的問題，這個設計模式直接把多線程搞成了單線程，於是安全了，當然性能也就下來了。最簡單的實現就是利用synchronized將存在安全隱患的代碼塊（方法）保護起來。在並發領域有個臨界區（criticalsections）的概念，我感覺和這個模式是一回事。

2. Immutable Pattern

如果共享變量永遠不變，那就多個線程訪問就沒有任何問題，永遠安全。這個模式雖然簡單，但是用的好，能解決很多問題。

3. Guarded Suspension Patten

這個模式其實就是等待-通知模型，當線程執行條件不滿足時，掛起當前線程（等待），當條件滿足時，喚醒所有等待的線程（通知），在Java語言裏利用synchronized，wait/notifyAll可以很快實現一個等待通知模型。結城浩將這個模式總結為多線程版的If，我覺得非常貼切。

4. Balking

這個模式和上個模式類似，不同點是當線程執行條件不滿足時直接退出，而不是像上個模式那樣掛起。這個用法最大的應用場景是多線程版的單例模式，當對象已經創建了（不滿足創建對象的條件）就不用再創建對象（退出）。

5. Producer-Consumer

生產者-消費者模式，全世界人都知道。我接觸的最多的是一個線程處理IO（如查詢數據庫），一個（或者多個）線程處理IO數據，這樣IO和CPU就都能成分利用起來。如果生產者和消費者都是CPU密集型，再搞生產者-消費者就是自己給自己找麻煩了。

6. Read-Write Lock

讀寫鎖解決的讀多寫少場景下的性能問題，支持並行讀，但是寫操作只允許一個線程做。如果寫操作非常非常少，而讀的並發量非常非常大，這個時候可以考慮使用寫時復制（copy on write）技術，我個人覺得應該單獨把寫時復制單獨作為一個模式。

7. Thread-Per-Message

就是我們經常提到的一請求一線程。

8. Worker Thread

一請求一線程的升級版，利用線程池解決線程的頻繁創建、銷毀導致的性能問題。BIO年代Tomcat就是用的這種模式。

9. Future

當你調用某個耗時的同步方法很心煩，想同時幹點別的事情，可以考慮用這個模式，這個模式的本質是個同步變異步的轉換器。同步之所以能變異步，本質上是啟動了另外一個線程，所以這個模式和一請求一線程還是多少有點關系的。

10. Two-Phase Termination

這個模式能解決優雅地終止線程的需求。

11. Thread-Specific Storage

線程本地存儲，避免加鎖、解鎖開銷的利器，C#裏面有個支持並發的容器ConcurrentBag就是采用了這個模式，這個星球上最快的數據庫連接池HikariCP借鑒了ConcurrentBag的實現，搞了個Java版的，有興趣的同學可以參考。

12. Active Object（這個不講也罷）

這個模式相當於降龍十八掌的最後一掌，綜合了前面的設計模式，有點復雜，個人覺得借鑒的意義大於參考實現。

最近國人也出過幾本相關的書，但總體還是結城浩這本更能經得住推敲。基於共享內存模型解決並發問題，主要問題就是用好鎖，但是用好鎖，還是有難度的，所以後來又有人搞了消息傳遞模型，這個後面再聊。

基於共享內存模型解決並發問題，主要問題就是用好鎖，但是用好鎖，還是有難度的，所以後來又有人搞了消息傳遞模型。

共享內存模型難度還是挺大的，而且你沒有辦法從理論上證明寫的程序是正確的，我們總一不小心就會寫出來個死鎖的程序來，每當有了問題，總會有大師出來，於是消息傳遞（Message-Passing）模型橫空出世（發生在上個世紀70年代），消息傳遞模型有兩個重要的分支，一個是Actor模型，一個是CSP模型。

Actor模型因為Erlang聲名鵲起，後來又出現了Akka。在Actor模型裏面，沒有操作系統裏所謂進程、線程的概念，一切都是Actor，我們可以把Actor想象成一個更全能、更好用的線程。

在Actor內部是線性處理（單線程）的，Actor之間以消息方式交互，也就是不允許Actor之間共享數據，沒有共享，就無需用鎖，這就避免了鎖帶來的各種副作用。

Actor的創建和new一個對象沒有啥區別，很快、很小，不像線程的創建又慢又耗資源；Actor的調度也不像線程會導致操作系統上下文切換（主要是各種寄存器的保存、恢復），所以調度的消耗也很小。

Actor還有一個有點爭議的優點，Actor模型更接近現實世界，現實世界也是分布式的、異步的、基於消息的、尤其Actor對於異常（失敗）的處理、自愈、監控等都更符合現實世界的邏輯。

但是這個優點改變了編程的思維習慣，我們目前大部分編程思維習慣其實是和現實世界有很多差異的（這個回頭再細說），一般來講，改變我們思維習慣的事情，阻力總是超乎我們的想象。

Golang在語言層面支持CSP模型，CSP模型和Actor模型的一個感官上的區別是在CSP模型裏面，生產者（消息發送方）和消費者（消息接收方）是完全松耦合的，生產者完全不知道消費者的存在，但是在Actor模型裏面，生產者必須知道消費者，否則沒辦法發送消息。

CSP模型類似於我們在多線程裏面提到的生產者-消費者模型，核心的區別我覺得在於CSP模型裏面有類似綠色線程（green thread）的東西，綠色線程在Golang裏面叫做協程，協程同樣是個非常輕量級的調度單元，可以快速創建而且資源占用很低。

Actor在某種程度上需要改變我們的思維方式，而CSP模型貌似沒有那麽大動靜，更容易被現在的開發人員接受，都說Golang是工程化的語言，在Actor和CSP的選擇上，也可以看到這種體現。

除了消息傳遞模型，還有事件驅動模型、函數式模型。事件驅動模型類似於觀察者模式，在Actor模型裏面，消息的生產者必須知道消費者才能發送消息，而在事件驅動模型裏面，事件的消費者必須知道消息的生產者才能註冊事件處理邏輯。

Akka裏消費者可以跨網絡，事件驅動模型的具體實現如Vertx裏，消費者也可以訂閱跨網絡的事件，從這個角度看，大家都在取長補短。

文章轉載自公眾號

京東技術

寫留言

閑話高並發的那些神話，看京東架構師如何把它拉下神壇