本文通过几个简单的试验，探究在 IO 等待为瓶颈的场景下，几个典型语言框架的并发能力。以论证异步框架在此场景下的优越性。
测试模型
假设这样一种场景，我们要搭建一个 api 转发服务器，即接到用户请求后，在服务器端调用第三方 api，等待 api 返回结果后，返回 response 给我们的用户。
本文讨论的就是当第三方 api 请求时间特别长（比如 20s）时的并发性能。如下图所示：
服务器配置
试验 web 服务器配置：1C 1G
并发请求客户端配置：2C 8G
测试结果
以 3000 并发为例，进行测试，结果如下：
| 开发语言 | 框架 | 运行方式 | 并发请求数 | 测试结果 | 内存占用% | 最大 CPU% |
|---|---|---|---|---|---|---|
| python | flask | 直接 run | 3000 | 大量报错 系统卡死 |
30%+ | 70%+ |
| python | flask | gunicorn + gevent (1 个 worker) |
3000 | 30% 报错 | 12% | 60% |
| python | django | 直接 run | 3000 | 全部报错 系统卡死 |
30%+ | 80%+ |
| python | django | gunicorn + gevent (1 个 worker) |
3000 | 30% 报错 | 18% | 65% |
| nodejs | express | 直接 run | 3000 | 无报错 | 9% | 25% |
| go | iris | 直接 run | 3000 | 无报错 | 12% | 20% |
| python | sanic | 直接 run | 3000 | 无报错 | 13% | 35% |
结论如下：
- flask、django 直接 run，会创建一个框架默认的开发 server，它是以增加线程的方式来应对并发的，众所周知线程的切换成本比协程要高得多，由此例可以看出，当 server 维护 3000 个线程时就力不从心了
- gunicorn + gevent 虽然可以通过打 patch 的方式实现异步协程，但效果还是始终原生的好
- gunicorn + gevent 可以通过增加 worker 数量，提高并发能力（上例中如果将 worker 数增加到 3 后就不会报错了）
- 在这种特殊测试场景（瓶颈在于 IO 等待）下，nodejs、go 这些语言的原生的异步框架确实性能出色
- sanic 这类的异步框架，是 python 最后的牌面了（针对于这种特殊测试场景）
测试代码
代码仓库地址：https://github.com/taojy123/async_test
具体如下：
- express server 代码 https://github.com/taojy123/async_test/blob/master/server1/app.js
- iris server 代码 https://github.com/taojy123/async_test/blob/master/server2/main.go
- flask server 代码 https://github.com/taojy123/async_test/blob/master/server3/run.py
- django server 代码 https://github.com/taojy123/async_test/tree/master/server5
- sanic server 代码 https://github.com/taojy123/async_test/blob/master/server4/run.py
- 客户端并发请求代码 https://github.com/taojy123/async_test/blob/master/client.py
- 延迟 20s 接口代码 https://github.com/taojy123/async_test/blob/master/serverx/app.js
网友评论