前言

Nginx以异步、事件驱动的方式处理连接。传统的方式是每个请求新起一个进程或线程，Nginx没这样做，它通过非阻塞sockets、epoll、kqueue等高效手段，实现一个worker进程处理多个连接和请求。

一般情况下下是一个CPU内核对应一个worker进程，所以worker进程数量固定，并且不多，所以在任务切换上消耗的内存和CPU减少了。这种方式很不错，在高并发和扩展能力等方面都能体现。

看图说话，任务切换不见了。

但是异步事件模式很不喜欢阻塞（blocking）。很多第三方模块使用了阻塞模式的调用，有时候，用户乃至模块作者都不知道到阻塞调用会大大降低Nginx的性能。

Nginx自己的代码都有一些场景需要使用到阻塞，所以在1.7.11版本中，引入了新的“线程池”机制，在了解这个机制前，我们先瞅瞅阻塞。

问题

了解阻塞前，先讲两句

Nginx其实就是一个事件处理器，接收内核发出的所有与connections相关的事件信息，然后告诉操作系统该做什么。操作系统如此复杂和底层，所以Nginx的指挥必须叼。

从上图看，有超时、sockets准备好读写、错误通知等事件。这些事件都放在一个队列中，Nginx对事件队列进行处理。

如果一个事件对于到的操作非常耗时，那么整个队列的处理就会延迟。

“阻塞操作”就是这样一个导致队列处理延迟的什么鬼。举个例子，CPU密集型计算，资源访问（硬盘、mutex、同步访问数据库等等）。发生阻塞时，worker进程只能等待。

就跟过安检时一样，如果你的队伍里面有个小朋友带了一大瓶AD钙奶，那你只有等他喝完。

有些系统提供的异步文件接口,例如FreeBSD。Linux也提供了类似机制，但是不太好用。首先它要求文件或缓存是扇区对齐的，好吧，Nginx能做到。其次更苛刻的一点是，它要求文件设置O_DIRECT标志位，这就是说，所有访问这个文件的操作都是直接读取，不走任何缓存，这样反而会增加磁盘IO负担。

问了解决这些问题，1.7.11版本中引入了线程池。

线程池

你家楼下的顺丰快递就是一个线程池，不用每次寄快递都要去顺丰总部，狗屎一样的比喻。。

对Nginx来说，线程池的作用跟快递点一样。它包括一个任务队列以及配套线程。当一个worker进行需要处理阻塞操作时，它会将这个任务交给线程池来完成。

这里引入了一个新的队列，在例子中，这个队列因为读取资源导致缓慢，读取硬盘虽然慢，至少它不会影响事件队列的继续处理。

任何阻塞操作都可以放到线程池中。目前，我们只尝试了两个核心操作：主流操作系统的read()系统调用和Linux上的sendfile()。后续经过性能测试会考虑纳入更多的操作。

性能测试

为了证实上述理论，进行了如下测试，测试场景包括各种阻塞操作和非阻塞操作。

我们在一台48G内存的机器上生成了总共256的随机文件，每个文件大小为4MB。这样做的目的是保证数据不受内存缓存影响。

简单的配置如下：

worker_processes auto;
events
 {
 accept_mutex off;
}
http
 {
 include mime.types;
 default_type  application/octet-stream;
 access_log off;
 sendfile on;
 sendfile_max_chunk 512k;
 server
 {
 listen 8000;
 location / {
 root  /storage;
 }
 }
}

配置中进行了一些调优：禁用logging和accpet_mutex，启用sendfile并设置sendfile_max_chunk，有利于减少阻塞调用sendfile时带来的总时间。

测试机器配置为双Intel至强E5645（共12核-24线程），10G网卡，四块西数1003FBYX组成的RAID10，系统为Ubuntu Server 14.04.1 LTS。

两台配置一样的客户端，一台机器通过Lua和wrk随机产生200个并发请求，每个请求都不会命中缓存，所以Nginx处理时会产生读盘阻塞操作。另一台机器则是产生50个并发请求，每个请求读取固定文件，频繁的文件读取会命中缓存，所以一般情况下此类请求处理速度较快，当worker进程阻塞时请求速度会受影响。

通过ifstat和在第二台机器上wrk来监控系统吞吐性能。

无线程池结果

% ifsta -bi eth2
eth2
KbpsinKbpsout
5531.24 1.03e+06
4855.23 812922.7
5994.66 1.07e+06
5476.27 981529.3
6353.62 1.12e+06
5166.17 892770.3
5522.81 978540.8
6208.10 985466.7
6370.79 1.12e+06
6123.33 1.07e+06

吞吐量大约是1Gbps，从top看，所有的worker进程主要消耗在阻塞I/O上（top中的D状态）

top- 10:40:47up 11 days, 1:32, 1 user, loadaverage: 49.61, 45.77 62.89
Tasks: 375 total, 2 running, 373 sleeping, 0 stopped, 0 zombie

%Cpu(s): 0.0us, 0.3sy, 0.0ni, 67.7id, 31.9wa, 0.0hi, 0.0si, 0.0st
KiBMem: 49453440 total, 49149308 used, 304132 free, 98780 buffers
KiBSwap: 10474236 total, 20124 used, 10454112 free, 46903412 cachedMem

PID  USER  PR  NI  VIRT  RE  SHR  S%  CPU%  MEM  TIME +  COMMAND
 4639 vbart 20 0 47180 28152 496 D 0.7 0.1 0:00.17nginx
 4632 vbart 20 0 47180 28196 536 D 0.3 0.1 0:00.11nginx
 4633 vbart 20 0 47180 28324 540 D 0.3 0.1 0:00.11nginx
 4635 vbart 20 0 47180 28136 480 D 0.3 0.1 0:00.12nginx
 4636 vbart 20 0 47180 28208 536 D 0.3 0.1 0:00.14nginx
 4637 vbart 20 0 47180 28208 536 D 0.3 0.1 0:00.10nginx
 4638 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.12nginx
 4640 vbart 20 0 47180 28324 540 D 0.3 0.1 0:00.13nginx
 4641 vbart 20 0 47180 28324 540 D 0.3 0.1 0:00.13nginx
 4642 vbart 20 0 47180 28208 536 D 0.3 0.1 0:00.11nginx
 4643 vbart 20 0 47180 28276 536 D 0.3 0.1 0:00.29nginx
 4644 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.11nginx
 4645 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.17nginx
 4646 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.12nginx
 4647 vbart 20 0 47180 28208 532 D 0.3 0.1 0:00.17nginx
 4631 vbart 20 0 47180 756 252 S 0.0 0.1 0:00.00nginx
 4634 vbart 20 0 47180 28208 536 D 0.0 0.1 0:00.11nginx
 4648 vbart 20 0 25232 1956 1160 R 0.0 0.0 0:00.08top
25921 vbart 20 0 121956 2232 1056 S 0.0 0.0 0:01.97sshd
25923 vbart 20 0 40304 4160 2208 S 0.0 0.0 0:00.53zsh

IO受磁盘限制，CPU多数处于空闲状态。wrk结果表明性能也较低。

Running 1m test @ http://192.0.2.1:8000/1/1/1
12 threads and 50
 connections 
 Thread Stats Avg Stdev Max +/- Stdev 
 Latency 7.42s 5.31s 24.41s 74.73%
 Req/Sec 0.150.361.0084.62%
 488 requests in1.01m, 2.01GB
read Requests/sec:8.08
Transfer/sec:34.07MB

需要提醒的是，这些请求原本是应该命中缓存非常快速的，但是因为worker进程受第一台服务器的200并发影响，所以最终比较慢。

接下来对照线程池实验，在location配置中添加一个aio线程指令

location / {
 root /storage;
 aio threads;
}

重新加载Nginx配置后，重复上述测试

% ifstat -bi eth2
eth2   Kbps in   Kbps out
60915.19 9.51e+06
59978.89 9.51e+06
60122.38 9.51e+06
61179.06 9.51e+06
61798.40 9.51e+06
57072.97 9.50e+06
56072.61 9.51e+06
61279.63 9.51e+06
61243.54 9.51e+06
59632.50 9.50e+06

哇，产生了9.5Gbps的吞吐性能。

性能没准还能更改，因为已经达到了网卡瓶颈。这次，worker进程主要消耗在sleeping和时间等待上（top中的S状态）。

top- 10:43:17up 11 days, 1:35, 1 user, loadaverage: 172.71, 93.84, 77.90
Tasks: 376 total, 1 running, 375 sleeping, 0 stopped, 0 zombie
%Cpu(s): 0.2us, 1.2sy, 0.0ni, 34.8id, 61.5wa, 0.0hi, 2.3si, 0.0st
KiBMem: 49453440 total, 49096836 used, 356604 free, 97236 buffers
KiBSwap: 10474236 total, 22860 used, 10451376 free, 46836580 cachedMem
PID  USER  PR  NI  VIRT  RE  SHR  S%  CPU%  MEM  TIME +  COMMAND
 4654 vbart 20 0 309708 28844 596 S 9.0 0.1 0:08.65nginx
 4660 vbart 20 0 309748 28920 596 S 6.6 0.1 0:14.82nginx
 4658 vbart 20 0 309452 28424 520 S 4.3 0.1 0:01.40nginx
 4663 vbart 20 0 309452 28476 572 S 4.3 0.1 0:01.32nginx
 4667 vbart 20 0 309584 28712 588 S 3.7 0.1 0:05.19nginx
 4656 vbart 20 0 309452 28476 572 S 3.3 0.1 0:01.84nginx
 4664 vbart 20 0 309452 28428 524 S 3.3 0.1 0:01.29nginx
 4652 vbart 20 0 309452 28476 572 S 3.0 0.1 0:01.46nginx
 4662 vbart 20 0 309552 28700 596 S 2.7 0.1 0:05.92nginx
 4661 vbart 20 0 309464 28636 596 S 2.3 0.1 0:01.59nginx
 4653 vbart 20 0 309452 28476 572 S 1.7 0.1 0:01.70nginx
 4666 vbart 20 0 309452 28428 524 S 1.3 0.1 0:01.63nginx
 4657 vbart 20 0 309584 28696 592 S 1.0 0.1 0:00.64nginx
 4655 vbart 20 0 30958 28476 572 S 0.7 0.1 0:02.81nginx
 4659 vbart 20 0 309452 28468 564 S 0.3 0.1 0:01.20nginx
 4665 vbart 20 0 309452 28476 572 S 0.3 0.1 0:00.71nginx
 5180 vbart 20 0 25232 1952 1156 R 0.0 0.0 0:00.45top
 4651 vbart 20 0 20032 752 252 S 0.0 0.0 0:00.00nginx
25921 vbart 20 0 121956 2176 1000 S 0.0 0.0 0:01.98sshd
25923 vbart 20 0 40304 3840 2208 S 0.0 0.0 0:00.54zsh

就是说，CPU还是很富裕。

wrk的结果相差无几

Running  1 m test @  http://192.0.2.1:8000/1/1/1
12 threads and 50
 connections 
 Thread Stats Avg Stdev Max +/- Stdev 
 Latency 226.32ms 392.76ms 1.72s 93.48%
 Req/Sec 20.0210.8459.0065.91%
 15045 requests in1.00 m, 58.86GB
read Requests/sec: 250.57
Transfer/sec: 0.98GB

4MB文件的请求时间从7.41秒提升至了226.32毫秒（约33倍），QPS提升了大约31倍（250比8）。

提升的原因不再赘述，大约就是事件队列没有受阻罢了。

不是万能药

看到这里，是不是立马就想去修改你的生产环境了，且慢。

事实上，绝大多数的read和sendfile都是在缓存页中进行的，操作系统会把频繁使用的文件放在缓存页中。

当你的数据量较小，并且内存足够大时，Nginx已经是处于最佳状态了，开线程池反倒会引入开销。线程池能够良好应对的一个场景，是数据无法被完全缓存，例如流媒体服务器，我们上面的测试环境，就是模拟的流媒体服务。

能否用线程池来提升读操作的性能呢？唯一需要做的，就是能有效区分哪些文件已经被缓存，哪些文件未缓存。

咱们的系统没有提供这样的信息。早在2010年Linux尝试通过fincore()来实现未果。接下来是preadv2()和RWF_NONBLOCK标志位方式，可惜也不好用，具体可以参考内核bikeshedding一文。

哈哈，至少FreeBSD用户可以先喝咖啡了，无需在线程池问题上伤脑筋。

线程池配置

如果你确信引入线程池对性能提升有效，那么咱们可以继续了解一些调优参数。

这些调优都是基于1.7.11+ 版本，编译选项为–with-threads参数。最简单的场景下，仅需在http、server或location区块配置aio thread参数即可

aio  threads;

它对应的完整配置是

thread_pool default  threads=32 max_queue=65536;
aio threads=default;

默认情况下包括一个32个线程的线程池，长度为65536的请求队列。如果队列溢出，Nginx会输出如下错误并拒绝请求。

thread pool "NAME" queue overflow:
 N tasks waiting

这个错误表示这个线程池消费小于生产，所以可以增加队列长度，如果调整无效，说明系统达到了瓶颈。

另外，我们可以调整线程相关的参数，例如对不同场景，可以提供独立的线程池。

http{
thread_pool one threads=128 max_queue=0;
thread_pool two threads=32;
server {
location /one {
aio threads=one;
}
location /two {
aio threads=two;
}
}
…
}

在未定义max_queue时默认为65536，当设置成0时，服务能力等同线程数量。

假如你的缓存代理服务器有3块磁盘，内存不能放下预期需要缓存的文件，所以我们首先需要让磁盘工作最大化。

一个方式是RAID，好坏兼并。另一个方式是Nginx

# We assume that each of the hard drives is mounted on one of the directories:
# /mnt/disk1, /mnt/disk2, or /mnt/disk3 accordingly
proxy_cache_path /mnt/disk1 levels=1:2 keys_zone=cache_1:256m max_size=1024G 
use_temp_path off;
proxy_cache_path /mnt/disk2 levels=1:2 keys_zone=cache_2:256m max_size=1024G 
use_temp_path off;
proxy_cache_path /mnt/disk3 levels=1:2 keys_zone=cache_3:256m max_size=1024G 
use_temp_path off;

thread_pool pool_1 threads=16;
thread_pool pool_2 threads=16;
thread_pool pool_3 threads=16;

split_clients $request_uri $disk {
33.3% 1;
33.3% 2;
* 3;
}

location / {
proxy_pass http://backend;
proxy_cache_key $request_uri;
proxy_cache cache_$disk;
aio threads=pool_$disk;
sendfile on;
}

使用了3个独立的缓存，每个缓存指定到一块磁盘，然后有3个独立的线程池。

split_clients模块用于缓存间的负载均衡。

use_temp_path=off参数让Nginx将缓存文件保存至文件同级目录，可以避免缓存更新时磁盘间的文件数据交换。

英文原文源自NGINX官网：https://www.nginx.com/blog/thread-pools-boost-performance-9x/

译文源自segmentfault博客：https://segmentfault.com/a/1190000002924458