以前簡單測過go的效能，高併發場景下確實比node會好一些，一直想找個時間系統性地測一下，手頭正好有一臺前段時間買的遊戲主機，裝了ubuntu就開測了

準備工作
測試機和試壓機系統都是ubuntu 18.04.1
首先安裝node和go，版本分別如下：

node 10.13.0

go 1.11

測試機和試壓機修改fd的限制​ ulimit -n 100000 ​，否則fd很快就用完了。

如果是試壓機是單機，並且QPS非常高的時候，也許你會經常見到試壓機有N多的連線都是​TIME_WAIT​狀態，具體原因可以在網上搜一下，執行以下命令即可：

$ sysctl -w net.ipv4.tcp_timestamps=1
$ sysctl -w net.ipv4.tcp_tw_reuse=1 
$ sysctl -w net.ipv4.tcp_tw_recycle=1
 

測試工具我用的是siege，版本是​3.0.8​。

測試的js程式碼和go程式碼分別如下：
Node（官網的cluster示例程式碼）

const cluster = require('cluster');
const http = require('http');
const numCPUs = require('os').cpus().length;

if (cluster.isMaster) {
    console.log(`Master ${process.pid} is running`);
    
    // Fork workers.
    for (let i = 0; i < numCPUs; i++) {
    cluster.fork();
    }
    
    cluster.on('exit', (worker, code, signal) => {
    console.log(`worker ${worker.process.pid} died`);
});} else {
    // Workers can share any TCP connection
    // In this case it is an HTTP server
    http.createServer((req, res) => {
    res.end('hello world\n');
}).listen(8000);
    
console.log(`Worker ${process.pid} started`);}
Go
package main

import(
    "net/http"
    "fmt"
)

func hello(w http.ResponseWriter, r *http.Request) {
    fmt.Fprintf(w, "hello world")
}

func main() {
    http.HandleFunc("/", hello);
    err := http.ListenAndServe(":8000", nil);
    if err != nil {
            
    }
}
 

開始測試
首先開始併發量的測試，然而。。。遊戲主機的CPU是i7-8700K，效能太強，以至於拿了兩臺mac也沒能壓滿。。。

四處尋找一番，找到了好幾年前花了千把塊錢配的nas，上去一看是顆雙核的i3-4170，妥了，這下肯定沒問題

正式開始
跳過了小插曲，直接開測

I/O密集型場景
Node - 多程序模型，可以看到因為所有請求都由master程序轉發，master程序成為了瓶頸，在CPU佔用100%的情況下，worker程序僅僅只佔了50%，因此整體CPU利用率只有70%。
qps: 6700

Go - 單程序多執行緒模型，系統剩餘CPU差不多也有30%，查了一下原因是因為網絡卡已經被打滿了，千兆網絡卡看了下已經紮紮實實被打滿了。
qps: 37000

千兆網絡卡已經被打滿了

在helloworld場景下，如果我們有萬兆網絡卡，那麼go的qps就是50000，go是node的7倍多，乍一看這個結果就非常有意思了，下面我們分析下原因：

首先node官方給的cluster的例子去跑壓測是有問題的，CPU物理核心雙核，超執行緒成4核，姑且我們就認為有4核。
cluster的方案，先起主程序，然後再起跟CPU數量一樣的子程序，所以現在總共5個程序，4個核心，就會造成上下文頻繁切換，QPS異常低下
基於以上結論，我減少了一個worker程序的數量
Node 多程序模型下，1個主程序，3個worker程序
qps: 15000 (直接翻倍)

以上的結果證明我們的想法是對的，並且這個場景下CPU利用率幾乎達到了100%，不是很穩定，暫且我們可以認為壓滿了，所以我們可以認為1master4worker場景下，就是因為程序上下文頻繁切換導致的qps低下

那麼進一步想，如果把程序和CPU繫結，是不是可以進一步提高qps?

Node 多程序模型，並且用​taskset​命令把程序和CPU綁定了
qps: 17000 (比不繫結cpu效能提高了10%多)

結論 ：node在把CPU壓滿的情況下，最高qps為：17000，而go在cpu利用率剩餘30%的情況，qps已經達到了37000，如果網絡卡允許，那麼go理論上可以達到50000左右的qps，是node的2.9倍左右。
CPU密集場景
為了模擬CPU密集場景，並保證兩邊場景一致，我在node和go中，分別添加了一段如下程式碼，每次請求迴圈100W次，然後相加：

var b int
for a := 0; a < 1000000; a ++ {
	 b = b + a
}

Node 多程序模型：這裡我的測試方式是開了4個worker，因為在CPU密集場景下，瓶頸往往在woker程序，並且將4個程序分別和4個核繫結，master程序就讓他隨風飄搖吧
qps: 3000

go：go不用做特殊處理，不用感知程序數量，不用繫結cpu，改了程式碼直接走起
qps: 6700，依然是node的兩倍多

結論
Node因為用了V8，從而繼承了單程序單執行緒的特性，單程序單執行緒好處是邏輯簡單，什麼鎖，什麼訊號量，什麼同步，都是浮雲，老夫都是await一把梭。

而V8因為最初是使用在瀏覽器中，各種設定放在node上看起來就不是非常合理，比如最大使用記憶體在64位下才1.4G，雖然使用buffer可以避開這個問題，但始終是有這種限制，而且單執行緒的設計（磁碟I/0是多執行緒實現），註定了在如今的多核場景下必定要開多個程序，而多個程序又會帶來程序間通訊問題。

Go不是很熟，但是前段時間小玩過幾次，挺有意思的，一直聽聞Go效能好，今天簡單測了下果然不錯，但是包管理和錯誤處理方式實在是讓我有點不爽。

總的來說在單機單應用的場景下，Go的效能總體在Node兩倍左右，微服務場景下，Go也能起多程序，不過相比在機制上就沒那麼大優勢了。

Node
優點
單程序單執行緒，邏輯清晰
多程序間環境隔離，單個程序down掉不會影響其他程序
開發語言受眾廣，上手易
缺點
多程序模型下，註定對於多核的利用會比較複雜，需要針對不同場景（cpu密集或者I/O密集）來設計程式
語言本身因為歷史遺留問題，存在較多的坑。
Go
優點
單程序多執行緒，單個程序即可利用N核
語言較為成熟，在語言層面就可以規避掉一些問題。
單從結果上來看，效能確實比node好。
缺點
包管理方案並不成熟，相對於npm來說，簡直被按在地上摩擦
if err != nil ….
多執行緒語言無法避開同步，鎖，訊號量等概念，如果對於鎖等處理不當，會使效能大大降低，甚至死鎖等。
本身就一個程序，稍有不慎，程序down了就玩完了。