用 Python 實現每秒處理 120 萬次 HTTP 請求

很多公司都在為了提升程序的執行性能和降低伺服器的運營成本，而放棄 Python 去選擇其它編程語言，其實這樣做並不是必須，因為 Python 完全可以勝任這些任務。

Python 社區最近做了大量關於性能的優化。CPython 3.6 重寫了新的字典從而全面提升解析器的執行性能。由於引入更快的調用規則和字典查詢緩存，CPython 3.7 甚至還要更快。

我們可以用 PyPy 的 Just-in-Time 來編譯複雜的科學計算任務，NumPy 的測試套件也優化了和 C 擴展的兼容性，同時 PyPy 還計劃於今年晚些時候做到和 Python 3.5 保持一致。

這些振奮人心的變化激勵著我想要有所創新，Python 所擅長的領域眾多，我選擇了其中一個：Web 和 MicroServices 開發。

Japronto 是一個全新的，為微服務量身打造的微框架。實現它的主要目標包含夠快、可擴展和輕量化。的確它快的嚇人，甚至遠比 NodeJS 和 Go 還要快的多的多。要感謝 asyncio，讓我可以同時編寫同步和非同步代碼。

Python 的微框架(藍色)、NodeJS 和 Go (綠色) 和 Japronto (紫色)

勘誤表：用戶 @heppu 提到，如果謹慎點用 Go 的 stdlib HTTP 伺服器可以寫出比上圖的 Go 快 12% 的代碼。另外 fasthttp 也是一個非常棒的 Go 伺服器，同樣的測試中它的性能幾乎只比 Japronto 低 18%。真是太棒了！

更多細節查可以看 ：

https://github.com/squeakypl/japronto/pull/12 和 https://github.com/squeaky-pl/japronto/pull/14

我們可以看到其實 Meinheld WSGI 伺服器已經和 NodeJS 和 Go 的性能差不多了。儘管它用的是阻塞式設計，但還是要比前面那四個要快的多，前面四個用的是非同步的 Python 解決方案。所以，不要輕易相信別人那些關於非同步系統總是比同步系統更快的說法，雖然都是併發處理的問題，但事實遠不如想象的那麼簡單。

雖然我只是用 「Hello World」 來完成上面這個關於微框架的測試，但它清晰的展現了各種伺服器框架的處理能力。

這些測試是在一台亞馬遜 AWS EC2 的 c4.2xlarge 實例上完成的，它有 8 VCPUs，數據中心選在聖保羅區域，共享主機、HVM 虛擬化、普通磁碟。操作系統是 Ubuntu 16.04.1 LTS (Xenial Xerus)，內核為 Linux 4.4.0–53-generic x86_64。操作系統顯示的 CPU 是 Xeon® E5–2666 v3 @ 2.90GHz。Python 我用的版本是 3.6，剛從源碼編譯來的。

公平起見，所有程序，包括 Go，都只運行在單個處理器內核上。測試工具為 wrk，參數是 1 個線程，100 個鏈接和每個鏈接 24 個請求(累計併發 2400 次請求)。

HTTP 流水線(圖片來自 Wikipedia)

HTTP 流水線在這裡起著決定性的因素，因為 Japronto 用它來做執行併發請求的優化。

大多數伺服器把來自客戶端的流水線和非流水線請求都一視同仁，用同樣的方法處理，並沒有做針對性的優化。(實際上 Sanic 和 Meinheld 也是默默的把流水線請求當做非流水線來處理，這違反了 HTTP 1.1 協議)

簡單來說，通過流水線技術，客戶端不用等到伺服器端返回，就可以在同一條 TCP 鏈接上繼續發送後續的請求。為了保障通訊的完整性，伺服器端會按照請求的順序逐個把結果返回給客戶端。

當一堆小的 GET 請求被客戶端以流水線打包發送過來，伺服器端很可能只需要一次系統調用，讀取一個 TCP 數據包就能拿到全部的請求。

系統調用，以及在內核空間到用戶空間之間移動數據，相比起在進程內部移動數據，成本要高的多。這就是為什麼不到萬不得已，要儘可能少做系統調用的次數。

當 Japronto 收到數據並成功解析出請求序列時，它會嘗試儘可能快的把這些請求執行完成，並以正確的順序合併所有結果，然後只執行一次系統調用發送數據給客戶端。

實際上，因為有 scatter/gather IO 這樣的系統調用，合併的工作並不需要自己去完成，只不過 Japronto 暫時還沒有用到這些功能。

然而事情並不總是那麼完美，有時候請求需要耗費很長時間去處理，等待完成的過程增加了不必要的延遲。

當我們做優化時，有必要考慮系統調用的成本和請求的預期完成時間。

經過優化 Japronto 拿到了 1,214,440 RPS 的成績。

除了利用客戶端流水線請求，和優化調用，還有一些其它可用的技術。

Japronto 幾乎都是用 C 寫的。包含解析器、協議、鏈接管理、路由、請求、應答等對象都是用 C 擴展寫的。

Japronto 力圖做到 Python 的懶載入，比如，協議頭的字典只有在被試圖請求到時才會被創建，另外一系列的對象也只有在第一次使用時才會被創建。

Japronto 使用超牛逼的 picohttpparser C 庫來解析狀態、協議頭以及分片的 HTTP 消息體。Picohttpparser 是直接調用現代 CPU 集成的 SSE4.2 擴展文本處理指令去快速匹配 HTTP 標記的邊界(那些 10 年前的老 x86_64 CPU 都有這玩意兒)。I/O 用到了超棒的 uvloop，它是一個 libuv 的封裝，在最底層，它是調用 epoll 來提供非同步讀寫通知。

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

Python 是有垃圾收集功能的語言，為避免不必要的增加垃圾收集器的壓力，在設計高性能系統時一定要多加註意。Japronto 的內部被設計的嘗試避免循環引用和儘可能少的分配、釋放內存，它會預先申請一塊區域來存放對象各種，同時嘗試在後續請求中重用那些沒有被繼續引用的 Python 的對象，而不是將那些對象直接扔掉。

這些預先申請的內存的大小被固定為 4KB 的倍數。內部結構會非常小心和頻繁的使用這些連續的內存區域，以減少緩存失效的可能性。

Japronto 會儘可能避免不必要的緩存間複製，只在正確的位置執行操作。比如，在處理路由時，先做 URL 解碼再進行路由匹配。

我已經連續不斷的開發 Japronto 超過三個月，不光在每一個工作日，周末也無休。除了每天的工作外，我把所有時間精力都投入到這個項目上了。

我想是時候和社區分享我的勞動果實了。

Japronto 已經可靠的實現了下面這些功能：

下一次，我將深入研究關於 Websockets 和 HTTP 非同步應答數據流。

寫文檔和做測試還有許多工作要做，如果你有興趣加入我，請在 Twitter 上直接聯繫我. 這裡是 Japronto 的 GitHub 項目倉庫。

同時，如果你的公司正在尋找熟悉性能優化和 DevOps 的 Python 工程師，我很樂意為你效勞，在全球任何地方都可以。

上面提到的所有技術不只適用於 Python，也同樣可以被應用到其它語言，如 Ruby、JavaScript，甚至 PHP 等。我非常感興趣去付諸實踐，但是，除非有人能在這事上投入資金支持，恐怕我沒有足夠的精力去完成。

在此我要感謝 Python 社區為優化性能所付出的持續投入。尤其是 Victor Stinner @VictorStinner、INADA Naoki @methane 和 Yury Selivanov @1st1 以及整個 PyPy 團隊。

獻給我摯愛的 Python。