用 Python 实现每秒处理 120 万次 HTTP 请求

原文链接：http://www.codeceo.com/article/python-120m-http-request.html

用 Python 做到每秒处理上百万次 HTTP 请求，可能吗？也许不能，但直到最近，这已成为现实。

很多公司都在为了提升程序的执行性能和降低服务器的运营成本，而放弃 Python 去选择其它编程语言，其实这样做并不是必须，因为 Python 完全可以胜任这些任务。

Python 社区最近做了大量关于性能的优化。CPython 3.6 重写了新的字典从而全面提升解析器的执行性能。由于引入更快的调用规则和字典查询缓存，CPython 3.7 甚至还要更快。

我们可以用 PyPy 的 Just-in-Time 来编译复杂的科学计算任务，NumPy 的测试套件也优化了和 C 扩展的兼容性，同时 PyPy 还计划于今年晚些时候做到和 Python 3.5 保持一致。

这些振奋人心的变化激励着我想要有所创新，Python 所擅长的领域众多，我选择了其中一个：Web 和 MicroServices 开发。

了解 Japronto!

Japronto 是一个全新的，为微服务量身打造的微框架。实现它的主要目标包含够快、可扩展和轻量化。的确它快的吓人，甚至远比 NodeJS 和 Go 还要快的多的多。要感谢 asyncio，让我可以同时编写同步和异步代码。

Python 的微框架(蓝色)、NodeJS 和 Go (绿色) 和 Japronto (紫色)

勘误表：用户 @heppu 提到，如果谨慎点用 Go 的 stdlib HTTP 服务器可以写出比上图的 Go 快 12% 的代码。另外 fasthttp 也是一个非常棒的 Go 服务器，同样的测试中它的性能几乎只比 Japronto 低 18%。真是太棒了！更多细节查可以看 https://github.com/squeaky-pl/japronto/pull/12 和 https://github.com/squeaky-pl/japronto/pull/14

我们可以看到其实 Meinheld WSGI 服务器已经和 NodeJS 和 Go 的性能差不多了。尽管它用的是阻塞式设计，但还是要比前面那四个要快的多，前面四个用的是异步的 Python 解决方案。所以，不要轻易相信别人那些关于异步系统总是比同步系统更快的说法，虽然都是并发处理的问题，但事实远不如想象的那么简单。

虽然我只是用 “Hello World” 来完成上面这个关于微框架的测试，但它清晰的展现了各种服务器框架的处理能力。

这些测试是在一台亚马逊 AWS EC2 的 c4.2xlarge 实例上完成的，它有 8 VCPUs，数据中心选在圣保罗区域，共享主机、HVM 虚拟化、普通磁盘。操作系统是 Ubuntu 16.04.1 LTS (Xenial Xerus)，内核为 Linux 4.4.0–53-generic x86_64。操作系统显示的 CPU 是 Xeon® E5–2666 v3 @ 2.90GHz。Python 我用的版本是 3.6，刚从源码编译来的。

公平起见，所有程序，包括 Go，都只运行在单个处理器内核上。测试工具为 wrk，参数是 1 个线程，100 个链接和每个链接 24 个请求(累计并发 2400 次请求)。

HTTP 流水线(图片来自 Wikipedia)

HTTP 流水线在这里起着决定性的因素，因为 Japronto 用它来做执行并发请求的优化。

大多数服务器把来自客户端的流水线和非流水线请求都一视同仁，用同样的方法处理，并没有做针对性的优化。(实际上 Sanic 和 Meinheld 也是默默的把流水线请求当做非流水线来处理，这违反了 HTTP 1.1 协议)

简单来说，通过流水线技术，客户端不用等到服务器端返回，就可以在同一条 TCP 链接上继续发送后续的请求。为了保障通讯的完整性，服务器端会按照请求的顺序逐个把结果返回给客户端。

细节优化过程

当一堆小的 GET 请求被客户端以流水线打包发送过来，服务器端很可能只需要一次系统调用，读取一个 TCP 数据包就能拿到全部的请求。

系统调用，以及在内核空间到用户空间之间移动数据，相比起在进程内部移动数据，成本要高的多。这就是为什么不到万不得已，要尽可能少做系统调用的次数。

当 Japronto 收到数据并成功解析出请求序列时，它会尝试尽可能快的把这些请求执行完成，并以正确的顺序合并所有结果，然后只执行一次系统调用发送数据给客户端。实际上因为有 scatter/gather IO 这样的系统调用，合并的工作并不需要自己去完成，只不过 Japronto 暂时还没有用到这些功能。

然而事情并不总是那么完美，有时候请求需要耗费很长时间去处理，等待完成的过程增加了不必要的延迟。

当我们做优化时，有必要考虑系统调用的成本和请求的预期完成时间。

经过优化 Japronto 拿到了 1,214,440 RPS 的成绩

除了利用客户端流水线请求，和优化调用，还有一些其它可用的技术。

Japronto 几乎都是用 C 写的。包含解析器、协议、链接管理、路由、请求、应答等对象都是用 C 扩展写的。

Japronto 力图做到 Python 的懒加载，比如，协议头的字典只有在被试图请求到时才会被创建，另外一系列的对象也只有在第一次使用时才会被创建。

Japronto 使用超牛逼的 picohttpparser C 库来解析状态、协议头以及分片的 HTTP 消息体。Picohttpparser 是直接调用现代 CPU 集成的 SSE4.2 扩展文本处理指令去快速匹配 HTTP 标记的边界(那些 10 年前的老 x86_64 CPU 都有这玩意儿)。I/O 用到了超棒的 uvloop，它是一个 libuv 的封装，在最底层，它是调用 epoll 来提供异步读写通知。

Picohttpparser 依赖 SSE4.2 和 CMPESTRI x86_64 的特性做解析

Python 是有垃圾收集功能的语言，为避免不必要的增加垃圾收集器的压力，在设计高性能系统时一定要多加注意。Japronto 的内部被设计的尝试避免循环引用和尽可能少的分配、释放内存，它会预先申请一块区域来存放对象各种，同时尝试在后续请求中重用那些没有被继续引用的 Python 的对象，而不是将那些对象直接扔掉。

这些预先申请的内存的大小被固定为 4KB 的倍数。内部结构会非常小心和频繁的使用这些连续的内存区域，以减少缓存失效的可能性。

Japronto 会尽可能避免不必要的缓存间复制，只在正确的位置执行操作。比如，在处理路由时，先做 URL 解码再进行路由匹配。

开源贡献者们，我需要你们的帮助

我已经连续不断的开发 Japronto 超过三个月，不光在每一个工作日，周末也无休。除了每天的工作外，我把所有时间精力都投入到这个项目上了。

我想是时候和社区分享我的劳动果实了。

Japronto 已经可靠的实现了下面这些功能：

• 实现 HTTP 1.x 并且支持分片上传

• 完整支持 HTTP 流水线

• 可配置是否让链接 Keep-alive

• 支持同步和异步视图

• Master-multiworker 多任务处理

• 代码热加载

• 简单易用的路由规则

下一次，我将深入研究关于 Websockets 和 HTTP 异步应答数据流。

写文档和做测试还有许多工作要做，如果你有兴趣加入我，请在 Twitter 上直接联系我. 这里是 Japronto 的 GitHub 项目仓库.

同时，如果你的公司正在寻找熟悉性能优化和 DevOps 的 Python 工程师，我很乐意为你效劳，在全球任何地方都可以。

结束语

上面提到的所有技术不只适用于 Python，也同样可以被应用到其它语言，如 Ruby、JavaScript，甚至 PHP 等。我非常感兴趣去付诸实践，但是，除非有人能在这事上投入资金支持，恐怕我没有足够的精力去完成。

在此我要感谢 Python 社区为优化性能所付出的持续投入。尤其是 Victor Stinner @VictorStinner、INADA Naoki @methane 和 Yury Selivanov @1st1 以及整个 PyPy 团队。

献给我挚爱的 Python。