C10K，高并发设计模型

C10K 问题：如何在一台物理机上同时服务 10000 个用户？这里 C 表示并发，10K 等于 10000。

操作系统层面

文件句柄
每个客户端连接都代表一个文件描述符，一旦文件描述符不够用了，新的连接就会被放弃，报错：

Socket/File:Can't open so many files

在 Linux 下，单个进程打开的文件句柄数是有限制的，没有经过修改的值一般都是 1024。

$ulimit -n
1024

这意味着最多可以服务的连接数上限只能是 1024。不过，我们可以对这个值进行修改，比如用 root 权限修改 /etc/sysctl.conf 文件，使得系统可用支持 10000 个描述符上限。

fs.file-max = 10000
net.ipv4.ip_conntrack_max = 10000
net.ipv4.netfilter.ip_conntrack_max = 10000

系统内存

每个 TCP 连接占用的资源可不止一个连接套接字，每个 TCP 连接都需要占用一定的发送缓冲区和接收缓冲区。

shell 代码，分别显示了在 Linux 4.4.0 下发送缓冲区和接收缓冲区的值。

$cat   /proc/sys/net/ipv4/tcp_wmem
4096  16384  4194304
$ cat   /proc/sys/net/ipv4/tcp_rmem
4096  87380  6291456

这三个值分别表示了最小分配值、默认分配值和最大分配值。按照默认分配值计算，一万个连接需要的内存消耗为：

发送缓冲区： 16384*10000 = 160M bytes
接收缓冲区： 87380*10000 = 880M bytes

应用程序本身也需要一定的缓冲区来进行数据的收发，为了方便，我们假设每个连接需要 128K 的缓冲区，那么 1 万个链接就需要大约 1.2G 的应用层缓冲。

结论，支持 1 万个并发连接，内存并不是一个巨大的瓶颈。

网络宽带

假设 1 万个连接，每个连接每秒传输大约 1KB 的数据，那么带宽需要 10000 x 1KB/s x8 = 80Mbps。这在今天的动辄万兆网卡的时代简直小菜一碟。

C10K 问题解决之道

在网络编程中，涉及到频繁的用户态 - 内核态数据拷贝，设计不够好的程序可能在低并发的情况下工作良好，一旦到了高并发情形，其性能可能呈现出指数级别的损失。

举一个例子，如果没有考虑好 C10K 问题，一个基于 select 的经典程序可能在一台服务器上可以很好处理 1000 的并发用户，但是在性能 2 倍的服务器上，却往往并不能很好地处理 2000 的并发用户。要想解决 C10K 问题，就需要

要想解决 C10K 问题，就需要从两个层面上来统筹考虑。

• 第一个层面，应用程序如何和操作系统配合，感知 I/O 事件发生，并调度处理在上万个套接字上的 I/O 操作？前面讲过的阻塞 I/O、非阻塞 I/O 讨论的就是这方面的问题。
• 第二个层面，应用程序如何分配进程、线程资源来服务上万个连接？这在接下来会详细讨论。

这两个层面的组合就形成了解决 C10K 问题的几种解法方案

阻塞 I/O + 进程

这种方式最为简单直接，每个连接通过 fork 派生一个子进程进行处理，因为一个独立的子进程负责处理了该连接所有的 I/O，所以即便是阻塞 I/O，多个连接之间也不会互相影响

这个方法简单，但是效率不高，扩展性差，资源占用率高

下面的伪代码描述了使用阻塞 I/O，为每个连接 fork 一个进程的做法：

do{
   accept connections
   fork for conneced connection fd
   process_run(fd)
}

阻塞 I/O + 线程

进程模型占用的资源太大，所以可以用轻量级的资源模型线程

do {
	accept connections
	pthread_create for connected connection fd
	thread_run(fd)
} while (true)

线程创建比较消耗资源，不是每个连接欸都需要服务的，所以可以预先设置一个线程池，并在多个连接中复用线程池来获得某种效率上的提升。

create thread pool
do {
	accept connections
	get connection fd
	push_queu(fd)
} while (true)

阻塞I/O + readiness notification + 单线程

应用程序其实可以采取轮询的方式来对保存的套接字集合进行挨个询问，从而找出需要进行 I/O 处理的套接字，像文稿中给出的伪码一样，其中 is_readble 和 is_writeable 可以通过对套接字调用 read 或 write 操作来判断。

for fd in fdset{
	if (is_readable(fd) == true) 
		handle_read(fd)
	else if (if_writeable(fd) == true) 
		headle_write(fd)
}

但这个方法有一个问题，如果这个 fdset 有一万个之多，每次循环判断都会消耗大量的 CPU 时间，而且极有可能在一个循环之内，没有任何一个套接字准备好可读，或者可写。

既然这样，CPU 的消耗太大，那么干脆让操作系统来告诉我们哪个套接字可以读，哪个套接字可以写。在这个结果发生之前，我们把 CPU 的控制权交出去，让操作系统来把宝贵的 CPU 时间调度给那些需要的进程，这就是 select、==poll ==这样的 I/O 分发技术。

do {
	poller.dispatch()
	for fd in registered_fdset {
		if (is_readable(fd) == true)
			handle_read(fd)
		else if (is_writeable(fd) == true)
			handle_write(fd)
	}
} while (ture)

但是，这样的方法需要每次 dispatch 之后，对所有注册的套接字进行逐个排查，效率并不是最高的。如果 dispatch 调用返回之后只提供有 I/O 事件或者 I/O 变化的套接字，这样排查的效率不就高很多了么？这就是前面我们讲到的 epoll 设计。

do {
    poller.dispatch()
    for fd_event in active_event_set{
         if(is_readable_event(fd_event) == true){
           handle_read(fd_event)
         }else if(is_writeable_event(fd_event)==true){
           handle_write(fd_event)
     }
} while(ture)

非阻塞 I/O + readiness notification + 多线程

前面的做法是所有的 I/O 事件都在一个线程里分发，如果把线程引入进来，可以利用现代 CPU 多核的能力，让每个核都可以作为一个 I/O 分发器进行 I/O 事件的分发。

这就是所谓的主从 reactor 模式（两个线程池，主处理accptor，从处理read write）。基于 epoll/poll/select 的 I/O 事件分发器可以叫做 reactor，也可以叫做事件驱动，或者事件轮询（eventloop）。

异步I/O + 多线程

异步非阻塞 I/O 模型是一种更为高效的方式，当调用结束之后，请求立即返回，由操作系统后台完成对应的操作，当最终操作完成，就会产生一个信号，或者执行一个回调函数来完成 I/O 处理。

总结

支持单机 1 万并发的问题被称为 C10K 问题

• 如何和操作系统配合，感知I/O事件的发生
• 如何分配和使用进程、线程资源来服务上万个连接

基于这些组合，产生了一些通用的解决方法，在 Linux 下，解决高性能问题的利器是非阻塞 I/O 加上 epoll 机制，再利用多线程能力。