常用高并发网络线程模型设计及mongodb线程模型优化实践

关于作者
前滴滴出行技术专家，现任OPPO文档数据库mongodb负责人，负责oppo千万级峰值TPS/十万亿级数据量文档数据库mongodb研发和运维工作，一直专注于分布式缓存、高性能服务端、数据库、中间件等相关研发。后续持续分享《MongoDB内核源码设计、性能优化、最佳运维实践》，Github账号地址:https://github.com/y123456yz

前言：
服务端通常需要支持高并发业务访问，如何设计优秀的服务端网络IO工作线程/进程模型对业务的高并发访问需求起着至关重要的核心作用。
本文总结了了不同场景下的多种网络IO线程/进程模型，并给出了各种模型的优缺点及其性能优化方法，非常适合服务端开发、中间件开发、数据库开发等开发人员借鉴。
1. 线程模型一. 单线程网络IO复用模型

说明：

1. 所有网络IO事件(accept事件、读事件、写事件)注册到epoll事件集
2. 主循环中通过epoll_wait一次性获取内核态收集到的epoll事件信息，然后轮询执行各个事件对应的回调。
3. 事件注册、epoll_wait事件获取、事件回调执行全部由一个线程处理
   1.1一个完整请求组成
   一个完整的请求处理过程主要包含以下几个部分：
   步骤1：通过epoll_wait一次性获取网络IO事件
   步骤2：读取数据及协议解析
   步骤3：解析成功后进行业务逻辑处理，然后应答客户端
   1.2 该网络线程模型缺陷
4. 所有工作都由一个线程执行，包括epoll事件获取、事件处理(数据读写)、只要任一一个请求的事件回调处理阻塞，其他请求都会阻塞。例如redis的hash结构，如果filed过多，假设一个hash key包含数百万filed，则该Hash key过期的时候，整个redis阻塞。
5. 单线程工作模型，CPU会成为瓶颈，如果QPS过高，整个CPU负载会达到100%，时延抖动厉害。

1.3 典型案例
1.redis缓存
2.推特缓存中间件twemproxy

1.4 主循环工作流程
1.while (1) {  
2.    //epoll_wait等待网络事件，如果有网络事件则返回，或者超时范围  
3.    size_t numevents=  epoll_wait();  
4.  
5.    //遍历前面epoll获取到的网络事件，执行对应事件回调  
6.    for (j = 0; j < numevents; j++) {  
7.         if(读事件) {  
8.            //读数据  
9.            readData()  
10.            //解析  
11.            parseData()  
12.            //读事件处理、读到数据后的业务逻辑处理  
13.            requestDeal()  
14.         } else if(写事件) {  
15.            //写事件处理，写数据逻辑处理  
16.            writeEentDeal()  
17.         } else {  
18.                //异常事件处理  
19.                errorDeal()  
20.         }  
21.    }  
22.}  

   说明：后续多线程/进程模型中，每个线程/进程的主流程和该while()流程一致。

1.5 redis源码分析及异步网络IO复用精简版demo
由于之前工作需要，需要对redis内核做二次优化开发，因此对整个redis代码做了部分代码注释，同时把redis的网络模块独立出来做成了简单demo，该demo对理解epoll网络事件处理及Io复用实现会有帮助，代码比较简短，可以参考如下地址:
redis源码详细注释分析(https://github.com/y123456yz/Reading-and-comprehense-redis-cluster)
redis网络模块精简版demo(https://github.com/y123456yz/middleware_development_learning)
推特缓存中间件twemproxy源码分析实现(https://github.com/y123456yz/Reading-and-comprehense-twemproxy0.4.1)

2. 线程模型二. 单listener+固定worker线程
该线程模型图如下图所示：

说明：

1. listener线程负责接受所有的客户端链接
2. listener线程每接收到一个新的客户端链接产生一个新的fd，然后通过分发器发送给对应的工作线程(hash方式)
3. 工作线程获取到对应的新链接fd后，后续该链接上的所有网络IO读写都由该线程处理
4. 假设有32个链接，则32个链接建立成功后，每个线程平均处理4个链接上的读写、报文处理、业务逻辑处理

2.1 该网络线程模型缺陷

1. 进行accept处理的listener线程只有一个，在瞬间高并发场景容易成为瓶颈
2. 一个线程通过IO复用方式处理多个链接fd的数据读写、报文解析及后续业务逻辑处理，这个过程会有严重的排队现象，例如某个链接的报文接收解析完毕后的内部处理时间过长，则其他链接的请求就会阻塞排队
   2.2 典型案例
   memcache缓存，适用于内部处理比较快的缓存场景、代理中间场景。memcache源码实现中文分析可以详见: memcache源码实现分析
   3. 线程模型三. 固定worker线程模型(reuseport)
   该模型原型图如下:
   
   说明：
3. Linux kernel 3.9开始支持reuseport功能，内核协议栈每获取到一个新链接自动均衡分发给用户态worker线程。
4. 该模型解决了模型一的listener单点瓶颈问题，多个进程/线程同时做为listener，都可以accept客户端新链接。

3.1该网络进程/线程模型缺陷
reuseport支持后，内核通过负载均衡的方式分发不同新链接到多个用户态worker进程/线程，每个进程/线程通过IO复用方式处理多个客户端新链接fd的数据读写、报文解析、解析后的业务逻辑处理。每个工作进程/线程同时处理多个链接的请求，如果某个链接的报文接收解析完毕后的内部处理时间过长，则其他链接的请求就会阻塞排队。
该模型虽然解决了listener单点瓶颈问题，但是工作线程内部的排队问题没有解决。
不过，Nginx作为七层转发代理，由于都是内存处理，所以内部处理时间比较短，所以适用于该模型。
3.2典型案例

1. nginx(nginx用的是进程，模型原理一样)，该模型适用于内部业务逻辑简单的场景，如nginx代理等
2. reuseport支持性能提升过程可以参考我另一篇分享： https://my.oschina.net/u/4087916/blog/3016162
   Nginx多进程高并发、低时延、高可靠机制在缓存(redis、memcache)twemproxy代理中的应用(https://my.oschina.net/u/4087916/blog/3016162)
   nginx源码中文注释分析(https://github.com/y123456yz/reading-code-of-nginx-1.9.2)

4. 线程模型四. 一个链接一个线程模型
该线程模型图如下图：

说明：

1. listener线程负责接受所有的客户端链接
2. listener线程每接收到一个新的客户端链接就创建一个线程，该线程只负责处理该链接上的数据读写、报文解析、业务逻辑处理。
   4.1 该网络线程模型缺陷：
   1. 一个链接创建一个线程，如果10万个链接，那么就需要10万个线程，线程数太多，系统负责、内存消耗也会很多
   2. 当链接关闭的时候，线程也需要销毁，频繁的线程创建和消耗进一步增加系统负载

4.2 典型案例：

1. mysql默认方式、mongodb同步线程模型配置，适用于请求处理比较耗时的场景，如数据库服务
2. Apache web服务器，该模型限制了apache性能，nginx优势会更加明显
   5. 线程模型五. 单listener+动态worker线程(单队列)
   该线程模型图如下图所示：
   
   说明：
   1. listener线程接收到一个新链接fd后，把该fd交由线程池处理，后续该链接的所有读写、报文解析、业务处理都由线程池中多个线程处理。
   2. 该模型把一次请求转换为多个任务(网络数据读写、读取数据后的业务逻辑处理)入队到全局队列，线程池中的线程从队列中获取任务执行。
   3. 同一个请求访问被拆分为多个任务，一次请求可能由多个线程处理。
   4. 当任务太多，系统压力大的时候，线程池中线程数动态增加
   5. 当任务减少，系统压力减少的时候，线程池中线程数动态减少
      5.1 工作线程运行时间相关的几个统计：
      T1:调用底层asio库接收一个完整mongodb报文的时间
      T2:接收到报文后的后续所有处理(含报文解析、认证、引擎层处理、发送数据给客户端等)
      T3: 线程等待数据的时间(例如：长时间没有流量，则现在等待读取数据)
      5.2单个工作线程如何判断自己处于”空闲”状态：
      线程运行总时间=T1 + T2 +T3，其中T3是无用等待时间。如果T3的无用等待时间占比很大，则说明线程比较空闲。工作线程每一次循环处理后判断有效时间占比，如果小于指定阀值，则自己直接exit退出销毁
      5.3 如何判断线程池中工作线程“太忙”：
      控制线程专门用于判断线程池中工作线程的压力情况，以此来决定是否在线程池中创建新的工作线程来提升性能。
      控制线程每过一定时间循环检查线程池中的线程压力状态，实现原理就是简单的实时记录线程池中的线程当前运行情况，为以下两类计数：总线程数_threadsRunning、当前正在运行task任务的线程数_threadsInUse。如果_threadsRunning=_threadsRunning，说明所有工作线程当前都在处理task任务，线程池中线程压力大，这时候控制线程就开始增加线程池中线程数。

该模型详细源码实现过程更多细节详见：https://my.oschina.net/u/4087916/blog/4295038

5.4 该网络线程模型缺陷：

1. 线程池获取任务执行，有锁竞争，这里就会成为系统瓶颈
   5.5 典型案例：
   mongodb动态adaptive线程模型，适用于请求处理比较耗时的场景，如数据库服务
   该模型详细源码优化分析实现过程参考：
   https://my.oschina.net/u/4087916/blog/4295038
   Mongodb网络传输处理源码实现及性能调优-体验内核性能极致设计

6. 线程模型六. 单listener+动态worker线程(多队列)-mongodb网络线程模型优化实践
该线程模型图如下：

说明：
把一个全局队列拆分为多个队列，任务入队的时候按照hash散列到各自的队列，工作线程获取获取任务的时候，同理通过hash的方式去对应的队列获取任务，通过这种方式减少锁竞争，同时提升整体性能。
6.1典型案例：
mongodb内核多队列adaptive线程模型优化，性能有很好的提升，适用于请求处理比较耗时的场景，如数据库服务。该模型详细源码优化分析实现过程参考：
Mongodb网络传输处理源码实现及性能调优-体验内核性能极致设计

6.2 疑问？为啥mysql、mongodb等数据库没有利用内核的reuseport特殊-多线程同时处理accept请求？
答：实际上所有服务都可以利用这一特性，包括数据库服务(mongodb、mysql等)。但是因为数据库服务访问时延一般都是ms级别，如果reuseport特性利用起来，时延会有几十us的性能提升，这相比数据库内部处理的ms级时延，这几十us的性能提升，基本上可以忽略掉，这也是大部分数据库服务没有支持该功能的原因。
缓存，代理等中间件，由于本身内部处理时间就比较小，也是us级别，所以需要充分利用该特性。