常见多线程与并发服务器设计方案举例

一、3点基础知识

1、一个主机的端口号为所有进程所共享，但普通用户进程绑定bind不了一些特殊端口号如20、80等。 

    多个进程不能同时监听listen同一个端口，会失败。当然父进程可以先listen然后fork多个子进程，多个子进程都可以accept这个sock，即抢夺式响应（惊群效应）。

    关注4元组是否能唯一确定一个连接？

2、每个进程都有自己的文件描述符（包括file fd, socket fd, timer fd, event fd, signal fd），一般是1024，可以通过ulimit -n 设置，但所有进程打开的文件描述符总数有上限，跟主机的内存有关。

3、一个进程内的所有线程共享进程的文件描述符。

二、常见并发服务器方案：

1、循环式/迭代式( iterative )服务器
无法充分利用多核CPU，不适合执行时间较长的服务，即适用于短连接。如果是长连接则需要在read/write之间循环，那么只能服务一个客户端。

2、并发式(concurrent)服务器
one connection per process/one connection per thread

适合执行时间比较长的服务

one connection per process : 主进程每次fork 之后要关闭connfd，子进程要关闭listenfd

one connection per thread : 主线程每次accept 回来就创建一个子线程服务，由于线程共享文件描述符，故不用关闭。

3、prefork or pre threaded（UNP2e 第27章）（容易发生“惊群”现象，即多个子进程都处于accept状态）

4、反应式( reactive )服务器 (reactor模式)（select/poll/epoll）
并发处理多个请求，实际上是在一个线程中完成。无法充分利用多核CPU
不适合执行时间比较长的服务，所以为了让客户感觉是在“并发”处理而不是“循环”处理，每个请求必须在相对较短时间内执行。

5、reactor + thread per request（过渡方案）

6、reactor + worker thread（过渡方案）

7、reactor + thread pool（能适应密集计算）

muduo库中的/example/suduku/ 中有这样一个例子，因为数独求解是计算密集型任务。

在实践中为了reactor能快速回到事件循环去响应请求，经常将读到的数据put到一个环形内存队列（一般内存or共享内存），而thread pool的线程则从中读取进行数据计算。

8、multiple reactors（能适应更大的突发I/O）

reactors in threads（one loop per thread）
reactors in processes

一般来说一个subReactor适用于一个千兆网口

9、multiple reactors + thread pool（one loop per thread + threadpool）（突发I/O与密集计算）

subReactor可以有多个，但threadpool只有一个。

10、proactor服务器(proactor模式，基于异步I/O)

理论上proactor比reactor效率要高一些

异步I/O能够让I/O操作与计算重叠。充分利用DMA特性。

Linux异步IO

glibc aio（aio_*），有bug

kernel native aio（io_*），也不完美。目前仅支持 O_DIRECT 方式来对磁盘读写，跳过系统缓存。要自已实现缓存，难度不小。

boost asio实现的proactor，实际上不是真正意义上的异步I/O，底层是用epoll来实现的，模拟异步I/O的。

常见并发服务器方案比较：

三、一些常见问题

1、Linux能同时启动多少个线程？

对于 32-bit Linux，一个进程的地址空间是 4G，其中用户态能访问 3G 左右，而一个线程的默认栈 (stack) 大小是 8M，心算可知，一个进程大约最多能同时启动 350 个线程左右。

2、多线程能提高并发度吗？

如果指的是“并发连接数”，不能。

假如单纯采用 thread per connection 的模型，那么并发连接数大约350，这远远低于基于事件的单线程程序所能轻松达到的并发连接数（几千上万，甚至几万）。所谓“基于事件”，指的是用 IO multiplexing event loop 的编程模型，又称 Reactor 模式。

3、多线程能提高吞吐量吗？

对于计算密集型服务，不能。

如果要在一个8核的机器上压缩100个1G的文本文件，每个core的处理能力为200MB/s，那么“每次起8个进程，一个进程压缩一个文件”与“只启动一个进程（8个线程并发压缩一个文件）”，这两种方式总耗时相当，但是第二种方式能较快的拿到第一个压缩完的文件。

4、多线程能提高响应时间吗？

可以。参考问题3

5、多线程程序日志库要求

线程安全，即多个线程可以并发写日志，两个线程的日志消息不会出现交织。

用一个全局的mutex保护IO

每个线程单独写一个日志文件

前者造成全部线程抢占一个锁（串行写入）
后者有可能让业务线程阻塞在写磁盘操作上。（磁盘IO时间比较长）

解决办法：用一个logging线程负责收集日志消息，并写入日志文件，其他业务线程只管往这个“日志线程”发送日志消息（如通过BlockingQueue提供接口），这称为“异步日志”，也是一个经典的生产者消费者模型。

6、线 程池大小的选择

如果池中执行任务时，密集计算所占时间比重为P（0<P<=1)，而系统一共有C个CPU，为了让C个CPU跑满而不过载，线程池大小的经验公式T=C/P，即T*P=C（让CPU刚好跑满 ）

假设C=8，P=1.0，线程池的任务完全密集计算，只要8个活动线程就能让CPU饱和

假设C=8，P=0.5，线程池的任务有一半是计算，一半是IO，那么T=16，也就是16个“50%繁忙的线程”能让8个CPU忙个不停。

7、线程分类

I/O线程（这里特指网络I/O）
计算线程
第三方库所用线程，如logging,又比如database

参考：

《UNP》

muduo manual.pdf

《linux 多线程服务器编程：使用muduo c++网络库》

http://www.ibm.com/developerworks/cn/linux/l-async/

https://domsch.com/linux/lpc2010/Scaling_techniques_for_servers_with_high_connection%20rates.pdf