各语言框架并发性能测试

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% nodejs express 直接 run 3000 无报错 9% 25% go iris 直接 run 3000 无报错 12% 20% 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% python sanic 直接 run 3000 无报错 13% 35% 结论如下： 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 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） 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 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

本文章由javascript技术分享原创和收集