【转载于58同城沈剑】

 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、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。

 

问:工作线程数是不是设置的越大越好?

答:肯定不是的

  • 服务器CPU核数有限,能够同时并发的线程数有限,单核CPU设置10000个工作线程没有意义

  • 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

 

问:调用sleep()函数的时候,线程是否一直占用CPU

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sleep()函数,在进行一些阻塞调用时,例如网络编程中的:

  • 阻塞accept(),等待客户端连接

  • 阻塞recv(),等待下游回包

都不占用CPU资源。

 

问:单核CPU,设置多线程有意义么,是否能提高并发性能?

答:即使是单核,使用多线程也是有意义的,大多数情况也能提高并发

  • 多线程编码可以让代码更加清晰,例如:IO线程收发包,Worker线程进行任务处理,Timeout线程进行超时检测

  • 如果有一个任务一直占用CPU资源在进行计算,此时增加线程并不能增加并发,例如以下代码会一直占用CPU,并使得CPU占用率达到100%:

     while(1){ i++; }

  • 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两种:

  • IO线程与工作现场通过任务队列解耦

  • 纯异步

 

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:

  • 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)

  • 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)

  • 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

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,该模型的缺点是:

  • 如果使用单线程模式,难以利用多CPU多核的优势

  • 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

  • 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

 

文章《RPC-client异步收发核心细节?》中有更详细的介绍,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:

  • 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

  • 访问cache拿一些数据

  • 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

  • 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

  • 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

  • 访问DB进行一些数据操作

  • 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:

  • 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

  • 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:

  • 执行计算,占用CPU的时间(粉色时间轴)是100ms

  • 等待时间,不占用CPU的时间(橙色时间轴)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):

  • 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%

  • 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访问或者RPC调用,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是能够提升吞吐量的。

 

六、总结

    • 线程数不是越多越好

    • sleep()不占用CPU

    • 单核设置多线程不但能使得代码清晰,还能提高吞吐量

    • 站点和服务最常用的线程模型是“IO线程与工作现场通过任务队列解耦”,此时设置多工作线程可以提升吞吐量

    • N核服务器,通过日志分析出任务执行过程中,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

 

发布评论

分享到:

IT虾米网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!

高并发网站技术架构详解
你是第一个吃螃蟹的人
发表评论

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。