本文主要是介绍Node.js 软肋之 CPU 密集型任务,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Node.js 在官网上是这样定义的:“一个搭建在Chrome JavaScript 运行时上的平台,用于构建高速、可伸缩的网络程序。Node.js 采用的事件驱动、非阻塞I/O 模型使它既轻量又高效,是构建运行在分布式设备上的数据密集型实时程序的完美选择。”Web 站点早已不仅限于内容的呈现,很多交互性和协作型环境也逐渐被搬到了网站上,而且这种需求还在不断地增长。这就是所谓的数据密集型实时(data-intensive real-time)应用程序,比如在线协作的白板,多人在线游戏等,这种web 应用程序需要一个能够实时响应大量并发用户请求的平台支撑它们,这正是Node.js 擅长的领域。
用Node.js 处理I/O 密集型任务相当简单,只需要调用它准备好的异步非阻塞函数就行了。然而数据密集型实时(data-intensive real-time)应用程序并不是只有I/O 密集型任务,当碰到CPU 密集型任务时,比如要对数据加解密( node.bcrypt.js ),数据压缩和解压( node-tar ),或者要根据用户的身份对图片做些个性化处理,这时候该怎么办呢?我们先来了解下 Node.js 自身的编程模型。
Node.js 的先天条件
网络编程策略
上世纪 90 年代提出了一个著名的 C10K 问题。大概意思是当用户数超过 1 万时,很多没设计好的网络服务程序性能将急剧下降,甚至瘫痪。这时候升级硬件也不管用了,问题的根源是系统处理请求的策略,有再多的硬件资源它也用不起来。后来人们总结出了四种典型的网络编程策略:
- 服务器为每个客户端请求分配一个线程 / 进程,使用阻塞式 I/O。Java 就是这种策略,Apache 也是,这种策略还是很多交互式应用的首选。因为阻塞,这种策略很难实现高性能,但非常简单,可以实现复杂的交互逻辑。
- 服务器用一个线程处理所有客户端请求,使用非阻塞的 I/O 及事件机制。node.js 采用的就是这种策略。这种策略实现起来比较简单,方便移植,也能提供足够的性能,但无法充分利用多核 CPU 资源。
- 服务器会分配多个线程来处理请求,但每个线程只处理其中一组客户端的请求,使用非阻塞的 I/O 及事件机制。这是对第二种策略的简单改进,在多线程并发上容易出现 bug。
- 服务器会分配多个线程来处理请求,但每个线程只处理其中一组客户端的请求,使用异步 I/O。这种策略在支持异步 I/O 的操作系统上性能非常高,但实现起来很难,主要用在 windows 平台上。
因为大多数网站的服务器端都不会做太多的计算,它们只是接收请求,交给其它服务(比如文件系统或数据库),然后等着结果返回再发给客户端。所以聪明的 Node.js 针对这一事实采用了第二种策略,它不会为每个接入请求繁衍出一个线程,而是用一个主线程处理所有请求。避开了创建、销毁线程以及在线程间切换所需的开销和复杂性。这个主线程是一个非常快速的 event loop,它接收请求,把需要长时间处理的操作交出去,然后继续接收新的请求,服务其他用户。下图描绘了 Node.js 程序的请求处理流程:
主线程 event loop 收到客户端的请求后,将请求对象、响应对象以及回调函数交给与请求对应的函数处理。这个函数可以将需要长期运行的 I/O 或本地 API 调用交给内部线程池处理,在线程池中的线程处理完后,通过回调函数将结果返回给主线程,然后由主线程将响应发送给客户端。那么 event loop 是如何实现这一流程的呢?这要归功于 Node.js 平台的 V8 引擎和 libuv 。
Event Loop 和 Tick
每个 Node 程序的主线程都有一个 event loop,JavaScript 代码全在这个单线程下运行。所有的 I/O 操作以及对本地 API 的调用,或者是异步的(借助程序所在平台的机制),或者运行在另外的线程中。这全都是通过 libuv 处理的。所以当 socket 上有数据过来,或本地 API 函数返回时,需要有种同步的方式调用对刚发生的这一特定事件感兴趣的 JavaScript 函数。
在发生事件的线程中直接调用 JS 函数是不安全的,因为那样也会遇到常规多线程程序遇到的问题,竞态条件、非原子操作的内存访问等等。所以要以一种线程安全的方式把事件放在队列中,如果写成代码,大致应该是这样的:
复制代码
| |
| |
|
然后在执行 JavaScript 的主线程中(即 event loop 的 c 代码):
复制代码
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
while (true)
(在真正的 node 源码中并不是这样的;这里只是为了说明) 表示 event loop。里面的for
为队列中的每个事件调用 JS 函数。Event loop 在每个tick中都会调用与外部事件相关联的零个或多个回调函数,一旦队列被清空,并且最后一个函数返回后,tick就结束了。然后回到开始(下一个 tick),重新开始检查其它线程在 JavaScript 运行时加到队列中的事件。
那么这个队列中的东西都是谁放进来的呢?
- process.nextTick
- setTimeout/setInterval
- I/O (来自 fs、net 等)
- crypto 中的 CPU 密集型函数,比如 crypto streams、pbkdf2 和 PRNG
- 所有使用 libuv 工作队列异步调用 C/C++ 库的本地模块
当 Event loop 遇到 CPU 密集型任务
因为 event loop 在处理所有的任务 / 事件时,都是沿着事件队列顺序执行的,所以在其中任何一个任务 / 事件本身没有完成之前,其它的回调、监听器、超时、nextTick()
的函数都得不到运行的机会,因为被阻塞的 event loop 根本没机会处理它们,此时程序最好的情况是变慢,最糟的情况是停滞不动,像死掉一样。所以当 Node.js 遇到高 CPU 占用率的任务时,event loop 会被阻塞住,形成下面这种局面:
被阻塞的 event loop
下面给出两段代码,看一下 event loop 被阻塞住时的具体表现。
这段代码中的 event loop 以最快的速度运转,不断地向控制台中输出.
:
代码清单 1. 快速行进的 event loop
复制代码
| |
| |
| |
|
然后我们在这段代码中再加上一个计算斐波那契数列的任务。
代码清单 2. 被高 CPU 占用率计算阻塞的 event loop
复制代码
已复制
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
计算斐波那契数列是一个 CPU 密集型的任务,event loop 要在计算结果出来后才有机会进入下一个 tick,执行输出.
的简单任务,感觉就像服务器死掉了一样。在我的机器上计算斐波那契数列时,取值45
可以明显感觉到程序的停滞,你可以根据自己的 CPU 性能调节该值。
process.nextTick()
在 Node 0.8(及之前)的版本中,
process.nextTick()
中指定的函数通常会比其它任何 I/O 先被调用,然而并不能保证一定会这样。但很多开发人员(包括 Node.js 的内部团队)开始用process.nextTick
实现“稍后再做,但要在任何真正的 I/O 执行之前”。然而在负载比较大时,因为 I/O 很多,可能导致nextTick
被别的东西占先,从而引发一些很怪异的错误。所以在 v.0.10 之后,netxtTick
的语义被改了,那些函数变成在每次从 C++ 进入 JavaScript 的调用之后马上运行。也就是说,如果你的 JavaScript 代码调用了process.nextTick
,只要代码即将运行完成时,在回到 event loop 之前那个回调就会被调用。然而还有很多程序用递归调用
process.nextTick
,以免长期运行的任务抢占了 I/O event loop。为了不把这些程序都搞垮,Node 现在会输出一个废弃警告,提示你在这些任务中使用setImmediate
。不过对我们这个例子来说,这两个版本之间的差异没有影响。
被闲置的 CPU 内核
最开始,线程只是用于分配单个处理器处理时间的一种机制。但假如操作系统本身支持多个 CPU/ 内核,那么每个线程都可以得到一个不同自己的 CPU/ 内核,实现真正的“并行运算”。在这种情况下,多线程程序可以提高资源使用效率。Node.js 是单线程程序,它只有一个 event loop,也只占用一个 CPU/ 内核。现在大部分服务器都是多 CPU 或多核的,当 Node.js 程序的 event loop 被 CPU 密集型的任务占用,导致有其它任务被阻塞时,却还有 CPU/ 内核处于闲置的状态,造成资源的浪费。
你可以再次运行代码清单 2 中的代码,启动top
(或者 Windows 的任务管理器)查看 CPU 的使用情况。我这台 Mac 上是一个双核的 i7 处理器,当 node 的 CPU 占用率在 100% 左右浮动时,系统的 CPU 占用率却只有 28% 左右。
既然 Node.js 程序几乎完全运行在单个 CPU/ 内核上,所以我们需要做些额外的工作才能提升它的扩展性。Node.js 提供了一组管理进程的 API,还允许你给它编写本地扩展,所以有很多种不同的办法可以让程序的代码并行运行。
把 CPU 密集型任务分给子线程
自 Node.js 诞生之日起,就有人质疑它的单线程模型面对协作式多任务时的处理能力。但这个实际上并不是Node.js 产生的新问题,在JavaScript 中由来已久,可以采用 Web Worker 模式应对。因此我们的问题就变成了如何在 Node.js 程序中实现 Web Worker 模式,首先来看一个在 Node.js 中控制进程的 API。
复制代码
|
Node.js 中有管理子进程的 child_process模块,可以用fork()
方法创建新的子进程实例。这个子进程是用 IPC 通道添加的,可以通过.send(message)
函数发送消息给它,用.on('message')
监听它发送的消息。而在子进程中,可以用process.on('message',callback)
监听父进程发送的消息,并通过process.send(message)
向父进程发送消息。接下来我们fork()
一个子进程,把计算斐波那契数列的任务交给它,这需要两个文件。
代码清单 3. 主进程文件 forkParent.js
复制代码
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
在主进程中用cp.fork()
创建了子进程child
,并用child.on('message', callback)
监听子进程发来的消息,输出计算结果。现在的fiboLoop()
也不再执行具体的计算操作,只是用child.send({v:40});
不停的发消息给子进程。
代码清单 4. 计算斐波那契数列的子进程文件 forkChild.js
复制代码
| |
| |
| |
| |
| |
|
子进程文件很简单,还是原来那个计算用的函数,以及一个监听消息的process.on('message',callback)
,计算结果并用process.send(message, [sendHandle])
发送消息给父进程。此外,父进程和子进程两者之间发送消息是同步的,所以两边是有来有往,工作开展地井然有序。运行node forkParent.js
,结果跟我们预期的一样,输出.
的任务不再受到阻塞,欢快地在屏幕上刷了一大堆.
,然后每隔一段输出一个165580141
。我们再用top
查看一下资源的使用情况,会发现有两个 node 进程,CPU 占用率也增加了很多。
实际上fork()
得到的并不是子进程,而是一个全新的 Node.js 程序实例。并且每个新实例至少需要 30ms 的启动时间和 10M 内存,也就是说通过fork()
繁衍进程,不光是充分利用了 CPU,也需要很多内存,所以不能fork()
太多。如果你有兴趣,可以再fork()
一个或几个进程,并创建跟这个(些)进程交互的函数,查看下资源占用情况。
cluster
使用 cluster 模块可以充分利用多核 CPU 资源,在 Node.js 的 0.6 版被纳入核心模块,但目前(V0.10.26)仍处于实验状态。借助 cluster 模块,Node.js 程序可以同时在不同的内核上运行多个”工人进程“,每个”工人进程“做的都是相同的事情,并且可以接受来在同一个 TCP/IP 端口的请求。相对于在 Ngnix 或 Apache 后面启动几个 Node.js 程序实例而言,cluster 用起来更加简单便捷。虽然 cluster 模块繁衍线程实际上用的也是child_process.fork
,但它对资源的管理要比我们自己直接用child_process.fork
管理得更好。下面是用 cluster 实现的代码:
代码清单 5. 用 cluster 繁衍工人进程计算斐波那契数列
复制代码
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
代码很简单,如果是主进程,就fork()
工人进程,这里也可以用循环遍历,根据 CPU 内核的个数繁衍相应数量甚至更多的进程;如果是工人进程,就执行fiboLoop
。你可以自行用top
查看一下资源占用情况,你会发现这种方式用得资源比上面那种方式要少。
虽然 cluster 模块可以充分利用资源,用起来也比较简单,但它只是解决了负载分配的问题。但其实做得也不是特别好,在 0.10 版本之前,cluster 把负载分配的工作交给了操作系统,然而实践证明,最终负载都落在了两三个进程上,分配并不均衡。所以在 0.12 版中,cluster 改用 round-robin 方式分配负载。详情请参见这里。
第三方模块
除了Node.js 官方提供的API,Node.js 社区也为这个问题贡献了几个模块。
比如Mozilla Identity 团队为Persona 开发的 node-compute-cluster 。这个模块可以繁衍和管理完成特定计算的一组进程。你可以设定最大进程数,然后由 node-compute-cluste 根据负载确定进程数量。它还会追踪运行进程的数量,以及工作完成的平均时长等统计信息,方便你分析系统的处理能力。下面是一个简单的例子:
复制代码
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
文件 worker.js 中的代码应该响应message
事件处理队列中的任务:
复制代码
| |
| |
| |
| |
|
还有功能强大的 threads_a_gogo 。参考文献中的第一篇文章介绍了一个拼字游戏解密程序 LetterPwn ,本文在很大程度上是受这篇文章的启发而写的,其中就是用 threads_a_gogo 管理 CPU 密集型计算线程的。由于篇幅所限,就不再展开介绍了。不过最后我们用 threads_a_gogo 线程池的例子作为结尾:
复制代码
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
参考文献
- Why you should use Node.js for CPU-bound tasks ,Neil Kandalgaonkar,2013.4.30;
- TAGG 项目文档
- Understanding process.nextTick() ,Kishore Nallan,2013.5.13
- Node v0.10.0 changes from 0.8:FASTER PROCESS.NEXTTICK
- What exactly is a Node.js event loop tick? ,StackOverflow,2013.11.6
- Fully Loaded Node – A Node.JS Holiday Season, part 2 ,Lloyd Hilaiel,2012.11.20
- 本文源码
这篇关于Node.js 软肋之 CPU 密集型任务的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!