乐趣区

PHP并发IO编程之路

并发 IO 问题一直是服务器端编程中的技术难题,从最早的同步阻塞直接 Fork 进程,到 Worker 进程池 / 线程池,到现在的异步 IO、协程。PHP 程序员因为有强大的 LAMP 框架,对这类底层方面的知识知之甚少,本文目的就是详细介绍 PHP 进行并发 IO 编程的各种尝试,最后再介绍 Swoole 的使用,深入浅出全面解析并发 IO 问题。
多进程 / 多线程同步阻塞
最早的服务器端程序都是通过多进程、多线程来解决并发 IO 的问题。进程模型出现的最早,从 Unix 系统诞生就开始有了进程的概念。最早的服务器端程序一般都是 Accept 一个客户端连接就创建一个进程,然后子进程进入循环同步阻塞地与客户端连接进行交互,收发处理数据。
多线程模式出现要晚一些,线程与进程相比更轻量,而且线程之间是共享内存堆栈的,所以不同的线程之间交互非常容易实现。比如聊天室这样的程序,客户端连接之间可以交互,比聊天室中的玩家可以任意的其他人发消息。用多线程模式实现非常简单,线程中可以直接向某一个客户端连接发送数据。而多进程模式就要用到管道、消息队列、共享内存,统称进程间通信(IPC)复杂的技术才能实现。
代码实例:

多进程 / 线程模型的流程是

创建一个 socket,绑定服务器端口(bind),监听端口(listen),在 PHP 中用 stream_socket_server 一个函数就能完成上面 3 个步骤,当然也可以使用更底层的 sockets 扩展分别实现。
进入 while 循环,阻塞在 accept 操作上,等待客户端连接进入。此时程序会进入睡眠状态,直到有新的客户端发起 connect 到服务器,操作系统会唤醒此进程。accept 函数返回客户端连接的 socket
主进程在多进程模型下通过 fork(php: pcntl_fork)创建子进程,多线程模型下使用 pthread_create(php: new Thread)创建子线程。下文如无特殊声明将使用进程同时表示进程 / 线程。
子进程创建成功后进入 while 循环,阻塞在 recv(php: fread)调用上,等待客户端向服务器发送数据。收到数据后服务器程序进行处理然后使用 send(php: fwrite)向客户端发送响应。长连接的服务会持续与客户端交互,而短连接服务一般收到响应就会 close。
当客户端连接关闭时,子进程退出并销毁所有资源。主进程会回收掉此子进程。

这种模式最大的问题是,进程 / 线程创建和销毁的开销很大。所以上面的模式没办法应用于非常繁忙的服务器程序。对应的改进版解决了此问题,这就是经典的 Leader-Follower 模型。
代码实例:

它的特点是程序启动后就会创建 N 个进程。每个子进程进入 Accept,等待新的连接进入。当客户端连接到服务器时,其中一个子进程会被唤醒,开始处理客户端请求,并且不再接受新的 TCP 连接。当此连接关闭时,子进程会释放,重新进入 Accept,参与处理新的连接。
这个模型的优势是完全可以复用进程,没有额外消耗,性能非常好。很多常见的服务器程序都是基于此模型的,比如 Apache、PHP-FPM。
多进程模型也有一些缺点。

这种模型严重依赖进程的数量解决并发问题,一个客户端连接就需要占用一个进程,工作进程的数量有多少,并发处理能力就有多少。操作系统可以创建的进程数量是有限的。
启动大量进程会带来额外的进程调度消耗。数百个进程时可能进程上下文切换调度消耗占 CPU 不到 1% 可以忽略不计,如果启动数千甚至数万个进程,消耗就会直线上升。调度消耗可能占到 CPU 的百分之几十甚至 100%。

另外有一些场景多进程模型无法解决,比如即时聊天程序(IM),一台服务器要同时维持上万甚至几十万上百万的连接(经典的 C10K 问题),多进程模型就力不从心了。
还有一种场景也是多进程模型的软肋。通常 Web 服务器启动 100 个进程,如果一个请求消耗 100ms,100 个进程可以提供 1000qps,这样的处理能力还是不错的。但是如果请求内要调用外网 Http 接口,像 QQ、微博登录,耗时会很长,一个请求需要 10s。那一个进程 1 秒只能处理 0.1 个请求,100 个进程只能达到 10qps,这样的处理能力就太差了。
有没有一种技术可以在一个进程内处理所有并发 IO 呢?答案是有,这就是 IO 复用技术。
IO 复用 / 事件循环 / 异步非阻塞
其实 IO 复用的历史和多进程一样长,Linux 很早就提供了 select 系统调用,可以在一个进程内维持 1024 个连接。后来又加入了 poll 系统调用,poll 做了一些改进,解决了 1024 限制的问题,可以维持任意数量的连接。但 select/poll 还有一个问题就是,它需要循环检测连接是否有事件。这样问题就来了,如果服务器有 100 万个连接,在某一时间只有一个连接向服务器发送了数据,select/poll 需要做循环 100 万次,其中只有 1 次是命中的,剩下的 99 万 9999 次都是无效的,白白浪费了 CPU 资源。
直到 Linux 2.6 内核提供了新的 epoll 系统调用,可以维持无限数量的连接,而且无需轮询,这才真正解决了 C10K 问题。现在各种高并发异步 IO 的服务器程序都是基于 epoll 实现的,比如 Nginx、Node.js、Erlang、Golang。像 Node.js 这样单进程单线程的程序,都可以维持超过 1 百万 TCP 连接,全部归功于 epoll 技术。
IO 复用异步非阻塞程序使用经典的 Reactor 模型,Reactor 顾名思义就是反应堆的意思,它本身不处理任何数据收发。只是可以监视一个 socket 句柄的事件变化。

Reactor 有 4 个核心的操作:

add 添加 socket 监听到 reactor,可以是 listen socket 也可以使客户端 socket,也可以是管道、eventfd、信号等
set 修改事件监听,可以设置监听的类型,如可读、可写。可读很好理解,对于 listen socket 就是有新客户端连接到来了需要 accept。对于客户端连接就是收到数据,需要 recv。可写事件比较难理解一些。一个 SOCKET 是有缓存区的,如果要向客户端连接发送 2M 的数据,一次性是发不出去的,操作系统默认 TCP 缓存区只有 256K。一次性只能发 256K,缓存区满了之后 send 就会返回 EAGAIN 错误。这时候就要监听可写事件,在纯异步的编程中,必须去监听可写才能保证 send 操作是完全非阻塞的。
del 从 reactor 中移除,不再监听事件
callback 就是事件发生后对应的处理逻辑,一般在 add/set 时制定。C 语言用函数指针实现,JS 可以用匿名函数,PHP 可以用匿名函数、对象方法数组、字符串函数名。

Reactor 只是一个事件发生器,实际对 socket 句柄的操作,如 connect/accept、send/recv、close 是在 callback 中完成的。具体编码可参考下面的伪代码:

Reactor 模型还可以与多进程、多线程结合起来用,既实现异步非阻塞 IO,又利用到多核。目前流行的异步服务器程序都是这样的方式:如

Nginx:多进程 Reactor
Nginx+Lua:多进程 Reactor+ 协程
Golang:单线程 Reactor+ 多线程协程
Swoole:多线程 Reactor+ 多进程 Worker

协程是什么
协程从底层技术角度看实际上还是异步 IO Reactor 模型,应用层自行实现了任务调度,借助 Reactor 切换各个当前执行的用户态线程,但用户代码中完全感知不到 Reactor 的存在。
PHP 并发 IO 编程实践

PHP 相关扩展

Stream:PHP 内核提供的 socket 封装
Sockets:对底层 Socket API 的封装
Libevent:对 libevent 库的封装
Event:基于 Libevent 更高级的封装,提供了面向对象接口、定时器、信号处理的支持
Pcntl/Posix:多进程、信号、进程管理的支持
Pthread:多线程、线程管理、锁的支持
PHP 还有共享内存、信号量、消息队列的相关扩展
PECL:PHP 的扩展库,包括系统底层、数据分析、算法、驱动、科学计算、图形等都有。如果 PHP 标准库中没有找到,可以在 PECL 寻找想要的功能。

PHP 语言的优劣势

PHP 的优点:

第一个是简单,PHP 比其他任何的语言都要简单,入门的话 PHP 真的是可以一周就入门。C++ 有一本书叫做《21 天深入学习 C ++》,其实 21 天根本不可能学会,甚至可以说 C ++ 没有 3 - 5 年不可能深入掌握。但是 PHP 绝对可以 7 天入门。所以 PHP 程序员的数量非常多,招聘比其他语言更容易。
PHP 的功能非常强大,因为 PHP 官方的标准库和扩展库里提供了做服务器编程能用到的 99% 的东西。PHP 的 PECL 扩展库里你想要的任何的功能。

另外 PHP 有超过 20 年的历史,生态圈是非常大的,在 Github 可以找到很多代码。
PHP 的缺点:

性能比较差,因为毕竟是动态脚本,不适合做密集运算,如果同样的 PHP 程序使用 C/C++ 来写,PHP 版本要比它差一百倍。
函数命名规范差,这一点大家都是了解的,PHP 更讲究实用性,没有一些规范。一些函数的命名是很混乱的,所以每次你必须去翻 PHP 的手册。
提供的数据结构和函数的接口粒度比较粗。PHP 只有一个 Array 数据结构,底层基于 HashTable。PHP 的 Array 集合了 Map,Set,Vector,Queue,Stack,Heap 等数据结构的功能。另外 PHP 有一个 SPL 提供了其他数据结构的类封装。

所以 PHP

PHP 更适合偏实际应用层面的程序,业务开发、快速实现的利器
PHP 不适合开发底层软件
使用 C /C++、JAVA、Golang 等静态编译语言作为 PHP 的补充,动静结合
借助 IDE 工具实现自动补全、语法提示

PHP 的 Swoole 扩展

基于上面的扩展使用纯 PHP 就可以完全实现异步网络服务器和客户端程序。但是想实现一个类似于多 IO 线程,还是有很多繁琐的编程工作要做,包括如何来管理连接,如何来保证数据的收发原子性,网络协议的处理。另外 PHP 代码在协议处理部分性能是比较差的,所以我启动了一个新的开源项目 Swoole,使用 C 语言和 PHP 结合来完成了这项工作。灵活多变的业务模块使用 PHP 开发效率高,基础的底层和协议处理部分用 C 语言实现,保证了高性能。它以扩展的方式加载到了 PHP 中,提供了一个完整的网络通信的框架,然后 PHP 的代码去写一些业务。它的模型是基于多线程 Reactor+ 多进程 Worker,既支持全异步,也支持半异步半同步。
Swoole 的一些特点:

Accept 线程,解决 Accept 性能瓶颈和惊群问题
多 IO 线程,可以更好地利用多核
提供了全异步和半同步半异步 2 种模式
处理高并发 IO 的部分用异步模式
复杂的业务逻辑部分用同步模式
底层支持了遍历所有连接、互发数据、自动合并拆分数据包、数据发送原子性。

Swoole 的进程 / 线程模型:

Swoole 程序的执行流程:

使用 PHP+Swoole 扩展实现异步通信编程

实例代码在 https://github.com/swoole/swo… 主页查看。
TCP 服务器与客户端
异步 TCP 服务器:

在这里 new swoole_server 对象,然后参数传入监听的 HOST 和 PORT,然后设置了 3 个回调函数,分别是 onConnect 有新的连接进入、onReceive 收到了某一个客户端的数据、onClose 某个客户端关闭了连接。最后调用 start 启动服务器程序。swoole 底层会根据当前机器有多少 CPU 核数,启动对应数量的 Reactor 线程和 Worker 进程。
异步客户端:

客户端的使用方法和服务器类似只是回调事件有 4 个,onConnect 成功连接到服务器,这时可以去发送数据到服务器。onError 连接服务器失败。onReceive 服务器向客户端连接发送了数据。onClose 连接关闭。
设置完事件回调后,发起 connect 到服务器,参数是服务器的 IP,PORT 和超时时间。
同步客户端:

同步客户端不需要设置任何事件回调,它没有 Reactor 监听,是阻塞串行的。等待 IO 完成才会进入下一步。
异步任务:

异步任务功能用于在一个纯异步的 Server 程序中去执行一个耗时的或者阻塞的函数。底层实现使用进程池,任务完成后会触发 onFinish,程序中可以得到任务处理的结果。比如一个 IM 需要广播,如果直接在异步代码中广播可能会影响其他事件的处理。另外文件读写也可以使用异步任务实现,因为文件句柄没办法像 socket 一样使用 Reactor 监听。因为文件句柄总是可读的,直接读取文件可能会使服务器程序阻塞,使用异步任务是非常好的选择。
异步毫秒定时器

这 2 个接口实现了类似 JS 的 setInterval、setTimeout 函数功能,可以设置在 n 毫秒间隔实现一个函数或 n 毫秒后执行一个函数。
异步 MySQL 客户端

swoole 还提供一个内置连接池的 MySQL 异步客户端,可以设定最大使用 MySQL 连接数。并发 SQL 请求可以复用这些连接,而不是重复创建,这样可以保护 MySQL 避免连接资源被耗尽。
异步 Redis 客户端

异步的 Web 程序

程序的逻辑是从 Redis 中读取一个数据,然后显示 HTML 页面。使用 ab 压测性能如下:

同样的逻辑在 php-fpm 下的性能测试结果如下:

WebSocket 程序

swoole 内置了 websocket 服务器,可以基于此实现 Web 页面主动推送的功能,比如 WebIM。有一个开源项目可以作为参考。https://github.com/matyhtf/ph…

退出移动版