高性能服务器线程模型演进 Tomcat Netty Vert.x

Hello World

  • 让我们从最简单的单线程阻塞模型开始
ServerSocket server = new ServerSocket(8080);
    
Socket socket = server.accept();

InputStream inputStream = socket.getInputStream();

byte[] bytes = new byte[1024];
int len;
StringBuilder sb = new StringBuilder();
while ((len = inputStream.read(bytes)) != -1) {
    sb.append(new String(bytes, 0, len,"UTF-8"));
}

System.out.println("get message from client: " + sb);

OutputStream outputStream = socket.getOutputStream();
outputStream.write("Hello World".getBytes("UTF-8"));


outputStream.close();
inputStream.close();
socket.close();
server.close();
  • 这个初始版本只能单线程处理,其中的IO会堵塞,性能很差


    单线程.jpg

tomcat

  • tomcat是我们比较熟悉的传统web容器。提供了多线程的线程模型和NIO多路复用
    • 用一个Acceptor线程统一处理连接
    • 连上后交给Poller处理底层协议和一般性的IO,Poller线程数为CPU个数
    • Poller线程处理完底层的协议之后把servlet相关的请求交给worker处理, worker线程数默认是200个
tomcat2.jpg
  • 但是tomcat的异步处理只是占一部分, 并不彻底
    tomcat io 对比
    tomcat_io.jpg

netty

  • netty提供了更高效率的线程模型。当然他也使用了DirectBuffer, JCTools的高性能无锁队列。这里只介绍线程模型:
netty.jpg
  • EventLoop类似于tomcat中的Poller,主要处理连接之外的全部IO。线程数是CPU*2
  • 另外Eventloop也会处理协议和业务回调。参考源码:NIOEventLoop#run
        final long ioStartTime = System.nanoTime();
        try {
               processSelectedKeys(); // 处理IO
        } finally {
               // Ensure we always run tasks.
               final long ioTime = System.nanoTime() - ioStartTime;
               // 用相同的时间处理回调业务
               ranTasks = runAllTasks(ioTime * (100 - ioRatio) / ioRatio);                         
        }
  • IO处理和任务处理的默认比例是1:1
  • Netty这样做有几个好处
    • 使用较少的线程意味着减少上下文切换
    • 使用较少内存,java每个线程栈默认1M开销
    • 一个EventLoop绑定多个Channel和对应的业务处理。从channel的角度看是单线程的,不存在线程切换,不需要处理并发问题。
  • 当然Netty的线程处理有个大前提。不能block Eventloop!!!
  • 但是传统的业务处理都是阻塞型的,必须开另外的线程池处理,这就和tomcat比优势不明显了

vert.x

  • vert.x是对netty的高级别封装,其核心还是EventLoop
  • 他通过全异步的方式使得IO全异步处理而通过少量线程性能最大化
vertx.jpg
  • 这个例子里通过Vert.x的EventLoop接管http/redis的IO和回调
  • 理论上所有的代码都可以异步,vert.x提供了大量的常用框架的异步IO适配。
  • 对于不能或不方便的阻塞代码, 通过worker线程池处理,幷提供异步回调接口(例子中的mysql调用)

为什么netty/nginx之类的高性能服务器不用AIO呢?

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,835评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,598评论 1 295
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,569评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,159评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,533评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,710评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,923评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,674评论 0 203
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,421评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,622评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,115评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,428评论 2 254
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,114评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,097评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,875评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,753评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,649评论 2 271