Python 高并发架构
1.1高并发介绍
1、高并发中一些概念
-
1. PV(访问量)： 页面访问量，页面刷新一次算一次。
-
2. UV(独立访客)： 即Unique Visitor，一个客户端（电脑，手机）为一个访客；
-
3. DAU(日活跃用户数)：登录或使用了某个产品的用户数，这与流量统计工具里的访客（UV）概念相似。
-
4.峰值QPS：
原理：每天80%的访问集中在20%的时间里，这20%时间叫做峰值时间
公式：( 总PV数 * 80% ) / ( 每天秒数 * 20% ) = 峰值时间每秒请求数(QPS)
-
- QPS/TPS(每秒查询率)：每秒能够查询次数（QPS/TPS= 并发数 / 平均响应时间）
并发数：并发数是指系统同时能处理的请求数量，这个也是反应了系统的负载能力。
吐吞量：吞吐量是指系统在单位时间内处理请求的数量
响应时间（RT）：响应时间是指系统对请求作出响应的时间，一般取平均响应时间
2、举例说明
- 1）例1：
1. 假设1秒钟100个请求，处理每个请求需要花2秒，
2. 那么 50（每秒可以处理50个请求，即QPS使50） = 100（每秒并发数） / 2 （每个请求的平均处理时间）
3. 这是一台机器的QPS，如有每秒并发数为1000，那么就需要10台这样的机器才扛得住:
- 2）例2：
1. 每天200万PV，那么它的QPS = （2000000 * 0.8）/ （24*60*60*0.2）≈ 93
2. 假设按照上面那样一台机器的QPS是50，那么抗住每天200万PV的访问量需要2台这样的机器
3、django性能
-
1）原生django：
用原生django的server做处理的，在10000次请求的情况下brokenpipe的几率极高，成功率只有14%。 -
2）uwsgi + nginx：
uwsgi是性能极高的一个由C编写的服务器，它使用uwsgi协议
这次让它配合nginx处理django的request，参数为4进程+2线程，性能立即直线上升，处理请求的成功率也基本在90%左右
1.2 django + uwsgi性能测试
1、说明
1. 由于Python中GIL的存在，所以为了提高并发通常使用多进程运行web程序，进程数设置为CPU核心数（可以适当多余CPU数量）
2. 比如我们我们下面的测试环境使用的是，4核 8G的机器，可以设置 uwsgi为： 4个进程，每个进程开2个线程
# uwsgi.ini配置
[uwsgi]
socket = 0.0.0.0:3031
chdir = /code
wsgi-file = /code/demo2/wsgi.py
processes = 4 # 开启5个进程
threads = 2 # 每个进程最多开启2个线程
master = true
daemonize = /code/uwsgi.log
pidfile = /code/uwsgi.pid
2、我们分别使用在2个、4个、8个并发的情况下的响应时间和QPS
1. 通过下面测试，在并发为4的时候就达到了QPS的最高值，此时再继续增大并发，只会增加单个http请求的响应时间。
2. 我们在保证响应时间在200ms的情况，通过上面的数据，估计最高并发大约为30
3. 以后在设置uwsgi参数时，将process设置为CPU的核心数就可以了，如果涉及到从磁盘读取数据的情况，可以考虑加上线程。
4. 如果想增大并发能力就要办法降低单个http请求的响应时间。
# 注：通过测试可以得出，django+uwsgi在4核机器中QPS最大也很难超过 200
Concurrency Level: 30 # 模拟三十个并发客户端来压测
Time taken for tests: 0.649 seconds # 整个测试持续的时间
Complete requests: 100 # 所有请求成功数量
Failed requests: 0
Total transferred: 1157000 bytes
HTML transferred: 1119100 bytes
Requests per second: 154.10 [#/sec] (mean) # 每秒最多可以处理的请求(QPS)
Time per request: 194.679 [ms] (mean) # 用户平均请求等待时间
Transfer rate: 1741.15 [Kbytes/sec] received # 平均每秒网络上的流量
