為高負載網路優化 Nginx 和 Node.js

網路調優

如果不先對Nginx和Node.js的底層傳輸機制有所了解，並進行針對性優化，可能對兩者再細緻的調優也會徒勞無功。一般情況下，Nginx通過TCP socket來連接客戶端與上游應用。

我們的系統對TCP有許多門限值與限制，通過內核參數來設定。這些參數的默認值往往是為一般的用途而定的，並不能滿足web伺服器所需的高流量、短生命的要求。

這裡列出了調優TCP可供候選的一些參數。為使它們生效，可以將它們放在/etc/sysctl.conf文件里，或者放入一個新配置文件，比如/etc/sysctl.d/99-tuning.conf，然後運行sysctl -p，讓內核裝載它們。我們是用sysctl-cookbook來干這個體力活。

需要注意的是，這裡列出來的值是可以安全使用的，但還是建議大家研究一下每個參數的含義，以便根據自己的負荷、硬體和使用情況選擇一個更加合適的值。

  net.ipv4.ip_local_port_range='1024 65000'  net.ipv4.tcp_tw_reuse='1'  net.ipv4.tcp_fin_timeout='15'  net.core.netdev_max_backlog='4096'  net.core.rmem_max='16777216'  net.core.somaxconn='4096'  net.core.wmem_max='16777216'  net.ipv4.tcp_max_syn_backlog='20480'  net.ipv4.tcp_max_tw_buckets='400000'  net.ipv4.tcp_no_metrics_save='1'  net.ipv4.tcp_rmem='4096 87380 16777216'  net.ipv4.tcp_syn_retries='2'  net.ipv4.tcp_synack_retries='2'  net.ipv4.tcp_wmem='4096 65536 16777216'  vm.min_free_kbytes='65536'

重點說明其中幾個重要的。

net.ipv4.ip_local_port_range

為了替上游的應用服務下游的客戶端，NginX必須打開兩條TCP連接，一條連接客戶端，一條連接應用。在伺服器收到很多連接時，系統的可用埠將很快被耗盡。通過修改net.ipv4.ip_local_port_range參數，可以將可用埠的範圍改大。如果在/var/log/syslog中發現有這樣的錯誤: “possible SYN flooding on port 80. Sending cookies”，即表明系統找不到可用埠。增大net.ipv4.ip_local_port_range參數可以減少這個錯誤。

net.ipv4.tcp_tw_reuse

當伺服器需要在大量TCP連接之間切換時，會產生大量處於TIME_WAIT狀態的連接。TIME_WAIT意味著連接本身是關閉的，但資源還沒有釋放。將net_ipv4_tcp_tw_reuse設置為1是讓內核在安全時盡量回收連接，這比重新建立新連接要便宜得多。

net.ipv4.tcp_fin_timeout

這是處於TIME_WAIT狀態的連接在回收前必須等待的最小時間。改小它可以加快回收。

如何檢查連接狀態

使用netstat:

netstat -tan | awk '{print $6}' | sort | uniq -c

或使用ss:

ss -s

NginX

隨著web伺服器的負載逐漸升高，我們就會開始遭遇NginX的某些奇怪限制。連接被丟棄，內核不停報SYN flood。而這時，平均負荷和CPU使用率都很小，伺服器明明是可以處理更多連接的狀態，真令人沮喪。

經過調查，發現有非常多處於TIME_WAIT狀態的連接。這是其中一個伺服器的輸出:

  ss -s  Total: 388 (kernel 541)  TCP:   47461 (estab 311, closed 47135, orphaned 4, synrecv 0, timewait 47135/0), ports 33938    Transport Total     IP        IPv6  *          541       -         -          RAW        0         0         0          UDP        13        10        3          TCP        326       325       1          INET       339       335       4          FRAG       0         0         0

有47135個TIME_WAIT連接！而且，從ss可以看出，它們都是已經關閉的連接。這說明，伺服器已經消耗了絕大部分可用埠，同時也暗示我們，伺服器是為每個連接都分配了新埠。調優網路對這個問題有一點幫助，但是埠仍然不夠用。

經過繼續研究，我找到了一個關於上行連接keepalive指令的文檔，它寫道:

設置通往上游伺服器的最大空閑保活連接數，這些連接會被保留在工作進程的緩存中。

有趣。理論上，這個設置是通過在緩存的連接上傳遞請求來儘可能減少連接的浪費。文檔中還提到，我們應該把proxy_http_version設為"1.1"，並清除"Connection"頭部。經過進一步的研究，我發現這是一種很好的想法，因為HTTP/1.1相比HTTP1.0，大大優化了TCP連接的使用率，而Nginx默認用的是HTTP/1.0。

按文檔的建議修改後，我們的上行配置文件變成這樣:

  upstream backend_nodejs {    server nodejs-3:5016 max_fails=0 fail_timeout=10s;    server nodejs-4:5016 max_fails=0 fail_timeout=10s;    server nodejs-5:5016 max_fails=0 fail_timeout=10s;    server nodejs-6:5016 max_fails=0 fail_timeout=10s;    keepalive 512;  }

  server {    listen 80;    server_name fast.gosquared.com;      client_max_body_size 16M;    keepalive_timeout 10;      location / {      proxy_next_upstream error timeout http_500 http_502 http_503 http_504;      proxy_set_header   Connection "";      proxy_http_version 1.1;      proxy_pass http://backend_nodejs;    }      access_log off;    error_log /dev/null crit;  }

  ss -s    Total: 558 (kernel 604)  TCP:   4675 (estab 485, closed 4183, orphaned 0, synrecv 0, timewait 4183/0), ports 2768    Transport Total     IP        IPv6  *          604       -         -          RAW        0         0         0          UDP        13        10        3          TCP        492       491       1          INET       505       501       4

Node.js

得益於事件驅動式設計可以非同步處理I/O，Node.js開箱即可處理大量的連接和請求。雖然有其它一些調優手段，但這篇文章將主要關注node.js的進程方面。

Node是單線程的，不會自動使用多核。也就是說，應用不能自動獲得伺服器的全部能力。

實現Node進程的集群化

我們可以修改應用，讓它fork多個線程，在同一個埠上接收數據，從而實現負載的跨越多核。Node有一個cluster模塊，提供了實現這個目標所必需的所有工具，但要將它們加入應用中還需要很多體力活。如果你用的是express，eBay有一個叫cluster2的模塊可以用。

防止上下文切換

當運行多個進程時，應該確保每個CPU核同一時間只忙於一個進程。一般來說，如果CPU有N個核，我們應該生成N-1個應用進程。這樣可以確保每個進程都能得到合理的時間片，而剩下的一個核留給內核調度程序運行其它任務。我們還要確保伺服器上基本不執行除Node.js外的其它任務，防止出現CPU的爭用。

我們曾經犯過一個錯誤，在伺服器上部署了兩個node.js應用，然後每個應用都開了N-1個進程。結果，它們互相之間搶奪CPU，導致系統的負荷急升。雖然我們的伺服器都是8核的機器，但仍然可以明顯地感覺到由上下文切換引起的性能開銷。上下文切換是指CPU為了執行其它任務而掛起當前任務的現象。在切換時，內核必須掛起當前進程的所有狀態，然後裝載和執行另一個進程。為了解決這個問題，我們減少了每個應用開啟的進程數，讓它們公平地分享CPU，結果系統負荷就降了下來:

請注意上圖，看系統負荷(藍線)是如何降到CPU核數(紅線)以下的。在其它伺服器上，我們也看到了同樣的情況。既然總的工作量保持不變，那麼上圖中的性能改善只能歸功於上下文切換的減少。