Node.js 软肋之 CPU 密集型任务

Node.js 在官网上是这样定义的:“一个搭建在Chrome JavaScript 运行时上的平台，用于构建高速、可伸缩的网络程序。Node.js 采用的事件驱动、非阻塞I/O 模型使它既轻量又高效，是构建运行在分布式设备上的数据密集型实时程序的完美选择。”Web 站点早已不仅限于内容的呈现，很多交互性和协作型环境也逐渐被搬到了网站上，而且这种需求还在不断地增长。这就是所谓的数据密集型实时（data-intensive real-time）应用程序，比如在线协作的白板，多人在线游戏等，这种web 应用程序需要一个能够实时响应大量并发用户请求的平台支撑它们，这正是Node.js 擅长的领域。

用Node.js 处理I/O 密集型任务相当简单，只需要调用它准备好的异步非阻塞函数就行了。然而数据密集型实时（data-intensive real-time）应用程序并不是只有I/O 密集型任务，当碰到CPU 密集型任务时，比如要对数据加解密（ node.bcrypt.js ），数据压缩和解压（ node-tar ），或者要根据用户的身份对图片做些个性化处理，这时候该怎么办呢？我们先来了解下 Node.js 自身的编程模型。

Node.js 的先天条件

网络编程策略

上世纪 90 年代提出了一个著名的 C10K 问题。大概意思是当用户数超过 1 万时，很多没设计好的网络服务程序性能将急剧下降，甚至瘫痪。这时候升级硬件也不管用了，问题的根源是系统处理请求的策略，有再多的硬件资源它也用不起来。后来人们总结出了四种典型的网络编程策略：

1. 服务器为每个客户端请求分配一个线程 / 进程，使用阻塞式 I/O。Java 就是这种策略，Apache 也是，这种策略还是很多交互式应用的首选。因为阻塞，这种策略很难实现高性能，但非常简单，可以实现复杂的交互逻辑。
2. 服务器用一个线程处理所有客户端请求，使用非阻塞的 I/O 及事件机制。node.js 采用的就是这种策略。这种策略实现起来比较简单，方便移植，也能提供足够的性能，但无法充分利用多核 CPU 资源。
3. 服务器会分配多个线程来处理请求，但每个线程只处理其中一组客户端的请求，使用非阻塞的 I/O 及事件机制。这是对第二种策略的简单改进，在多线程并发上容易出现 bug。
4. 服务器会分配多个线程来处理请求，但每个线程只处理其中一组客户端的请求，使用异步 I/O。这种策略在支持异步 I/O 的操作系统上性能非常高，但实现起来很难，主要用在 windows 平台上。

因为大多数网站的服务器端都不会做太多的计算，它们只是接收请求，交给其它服务（比如文件系统或数据库），然后等着结果返回再发给客户端。所以聪明的 Node.js 针对这一事实采用了第二种策略，它不会为每个接入请求繁衍出一个线程，而是用一个主线程处理所有请求。避开了创建、销毁线程以及在线程间切换所需的开销和复杂性。这个主线程是一个非常快速的 event loop，它接收请求，把需要长时间处理的操作交出去，然后继续接收新的请求，服务其他用户。下图描绘了 Node.js 程序的请求处理流程：

主线程 event loop 收到客户端的请求后，将请求对象、响应对象以及回调函数交给与请求对应的函数处理。这个函数可以将需要长期运行的 I/O 或本地 API 调用交给内部线程池处理，在线程池中的线程处理完后，通过回调函数将结果返回给主线程，然后由主线程将响应发送给客户端。那么 event loop 是如何实现这一流程的呢？这要归功于 Node.js 平台的 V8 引擎和 libuv 。

Event Loop 和 Tick

每个 Node 程序的主线程都有一个 event loop，JavaScript 代码全在这个单线程下运行。所有的 I/O 操作以及对本地 API 的调用，或者是异步的（借助程序所在平台的机制），或者运行在另外的线程中。这全都是通过 libuv 处理的。所以当 socket 上有数据过来，或本地 API 函数返回时，需要有种同步的方式调用对刚发生的这一特定事件感兴趣的 JavaScript 函数。

在发生事件的线程中直接调用 JS 函数是不安全的，因为那样也会遇到常规多线程程序遇到的问题，竞态条件、非原子操作的内存访问等等。所以要以一种线程安全的方式把事件放在队列中，如果写成代码，大致应该是这样的：

 
lock (queue) {
   queue.push(event);
}

然后在执行 JavaScript 的主线程中（即 event loop 的 c 代码）：

 
while (true) {
   // tick 开始
 
   lock (queue) {
       var tickEvents = copy(queue); 
// 将当前队列中的条目复制的线程自有的内存中
       queue.empty(); // .. 清空共享的队列
   }
 
   for (var i = 0; i < tickEvents.length; i++) {
       InvokeJSFunction(tickEvents[i]);
   }
 
   // tick 结束
}

while (true) (在真正的 node 源码中并不是这样的；这里只是为了说明) 表示 event loop。里面的for为队列中的每个事件调用 JS 函数。Event loop 在每个tick中都会调用与外部事件相关联的零个或多个回调函数，一旦队列被清空，并且最后一个函数返回后，tick就结束了。然后回到开始（下一个 tick），重新开始检查其它线程在 JavaScript 运行时加到队列中的事件。

那么这个队列中的东西都是谁放进来的呢？

• process.nextTick
• setTimeout/setInterval
• I/O (来自 fs、net 等)
• crypto 中的 CPU 密集型函数，比如 crypto streams、pbkdf2 和 PRNG
• 所有使用 libuv 工作队列异步调用 C/C++ 库的本地模块

当 Event loop 遇到 CPU 密集型任务

因为 event loop 在处理所有的任务 / 事件时，都是沿着事件队列顺序执行的，所以在其中任何一个任务 / 事件本身没有完成之前，其它的回调、监听器、超时、nextTick()的函数都得不到运行的机会，因为被阻塞的 event loop 根本没机会处理它们，此时程序最好的情况是变慢，最糟的情况是停滞不动，像死掉一样。所以当 Node.js 遇到高 CPU 占用率的任务时，event loop 会被阻塞住，形成下面这种局面：

被阻塞的 event loop

下面给出两段代码，看一下 event loop 被阻塞住时的具体表现。

这段代码中的 event loop 以最快的速度运转，不断地向控制台中输出.：

代码清单 1. 快速行进的 event loop

 
(function spinForever () {
 process.stdout.write(".");
 process.nextTick(spinForever);
})();

然后我们在这段代码中再加上一个计算斐波那契数列的任务。

代码清单 2. 被高 CPU 占用率计算阻塞的 event loop

 
function fibo (n) {
 return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
 
(function fiboLoop () {
 process.stdout.write(fibo(45).toString());
 process.nextTick(fiboLoop);
})();
 
(function spinForever() {
 process.stdout.write(".");
 process.nextTick(spinForever);
})();

计算斐波那契数列是一个 CPU 密集型的任务，event loop 要在计算结果出来后才有机会进入下一个 tick，执行输出.的简单任务，感觉就像服务器死掉了一样。在我的机器上计算斐波那契数列时，取值45可以明显感觉到程序的停滞，你可以根据自己的 CPU 性能调节该值。

process.nextTick()

在 Node 0.8（及之前）的版本中，process.nextTick()中指定的函数通常会比其它任何 I/O 先被调用，然而并不能保证一定会这样。但很多开发人员（包括 Node.js 的内部团队）开始用process.nextTick实现“稍后再做，但要在任何真正的 I/O 执行之前”。然而在负载比较大时，因为 I/O 很多，可能导致nextTick被别的东西占先，从而引发一些很怪异的错误。所以在 v.0.10 之后，netxtTick的语义被改了，那些函数变成在每次从 C++ 进入 JavaScript 的调用之后马上运行。也就是说，如果你的 JavaScript 代码调用了process.nextTick，只要代码即将运行完成时，在回到 event loop 之前那个回调就会被调用。

然而还有很多程序用递归调用process.nextTick，以免长期运行的任务抢占了 I/O event loop。为了不把这些程序都搞垮，Node 现在会输出一个废弃警告，提示你在这些任务中使用setImmediate。不过对我们这个例子来说，这两个版本之间的差异没有影响。

被闲置的 CPU 内核

最开始，线程只是用于分配单个处理器处理时间的一种机制。但假如操作系统本身支持多个 CPU/ 内核，那么每个线程都可以得到一个不同自己的 CPU/ 内核，实现真正的“并行运算”。在这种情况下，多线程程序可以提高资源使用效率。Node.js 是单线程程序，它只有一个 event loop，也只占用一个 CPU/ 内核。现在大部分服务器都是多 CPU 或多核的，当 Node.js 程序的 event loop 被 CPU 密集型的任务占用，导致有其它任务被阻塞时，却还有 CPU/ 内核处于闲置的状态，造成资源的浪费。

你可以再次运行代码清单 2 中的代码，启动top（或者 Windows 的任务管理器）查看 CPU 的使用情况。我这台 Mac 上是一个双核的 i7 处理器，当 node 的 CPU 占用率在 100% 左右浮动时，系统的 CPU 占用率却只有 28% 左右。

既然 Node.js 程序几乎完全运行在单个 CPU/ 内核上，所以我们需要做些额外的工作才能提升它的扩展性。Node.js 提供了一组管理进程的 API，还允许你给它编写本地扩展，所以有很多种不同的办法可以让程序的代码并行运行。

把 CPU 密集型任务分给子线程

自 Node.js 诞生之日起，就有人质疑它的单线程模型面对协作式多任务时的处理能力。但这个实际上并不是Node.js 产生的新问题，在JavaScript 中由来已久，可以采用 Web Worker 模式应对。因此我们的问题就变成了如何在 Node.js 程序中实现 Web Worker 模式，首先来看一个在 Node.js 中控制进程的 API。

 
child_process.fork()

Node.js 中有管理子进程的 child_process模块，可以用fork()方法创建新的子进程实例。这个子进程是用 IPC 通道添加的，可以通过.send(message)函数发送消息给它，用.on('message')监听它发送的消息。而在子进程中，可以用process.on('message',callback)监听父进程发送的消息，并通过process.send(message)向父进程发送消息。接下来我们fork()一个子进程，把计算斐波那契数列的任务交给它，这需要两个文件。

代码清单 3. 主进程文件 forkParent.js

 
var cp = require('child_process');
 
var child = cp.fork(__dirname+'/forkChild.js');
 
child.on('message', function(m) {
 process.stdout.write(m.result.toString());
});
 
(function fiboLoop () {
 child.send({v:40});
 process.nextTick(fiboLoop);
})();
 
 
(function spinForever () {
 process.stdout.write(".");
 process.nextTick(spinForever);
})();

在主进程中用cp.fork()创建了子进程child，并用child.on('message', callback)监听子进程发来的消息，输出计算结果。现在的fiboLoop()也不再执行具体的计算操作，只是用child.send({v:40});不停的发消息给子进程。

代码清单 4. 计算斐波那契数列的子进程文件 forkChild.js

 
function fibo (n) {
 return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
 
process.on('message', function(m) {
 process.send({ result: fibo(m.v) });
});

子进程文件很简单，还是原来那个计算用的函数，以及一个监听消息的process.on('message',callback)，计算结果并用process.send(message, [sendHandle])发送消息给父进程。此外，父进程和子进程两者之间发送消息是同步的，所以两边是有来有往，工作开展地井然有序。运行node forkParent.js，结果跟我们预期的一样，输出.的任务不再受到阻塞，欢快地在屏幕上刷了一大堆.，然后每隔一段输出一个165580141。我们再用top查看一下资源的使用情况，会发现有两个 node 进程，CPU 占用率也增加了很多。

实际上fork()得到的并不是子进程，而是一个全新的 Node.js 程序实例。并且每个新实例至少需要 30ms 的启动时间和 10M 内存，也就是说通过fork()繁衍进程，不光是充分利用了 CPU，也需要很多内存，所以不能fork()太多。如果你有兴趣，可以再fork()一个或几个进程，并创建跟这个（些）进程交互的函数，查看下资源占用情况。

cluster

使用 cluster 模块可以充分利用多核 CPU 资源，在 Node.js 的 0.6 版被纳入核心模块，但目前（V0.10.26）仍处于实验状态。借助 cluster 模块，Node.js 程序可以同时在不同的内核上运行多个”工人进程“，每个”工人进程“做的都是相同的事情，并且可以接受来在同一个 TCP/IP 端口的请求。相对于在 Ngnix 或 Apache 后面启动几个 Node.js 程序实例而言，cluster 用起来更加简单便捷。虽然 cluster 模块繁衍线程实际上用的也是child_process.fork，但它对资源的管理要比我们自己直接用child_process.fork管理得更好。下面是用 cluster 实现的代码：

代码清单 5. 用 cluster 繁衍工人进程计算斐波那契数列

 
function fibo (n) {
 return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
 
var cluster= require('cluster');
 
if (cluster.isMaster) {
   cluster.fork();
} else {
   (function fiboLoop () {
       process.stdout.write(fibo(40).toString());
       process.nextTick(fiboLoop);
   })();
}
 
(function spinForever () {
 process.stdout.write(".");
 process.nextTick(spinForever);
})();

代码很简单，如果是主进程，就fork()工人进程，这里也可以用循环遍历，根据 CPU 内核的个数繁衍相应数量甚至更多的进程；如果是工人进程，就执行fiboLoop。你可以自行用top查看一下资源占用情况，你会发现这种方式用得资源比上面那种方式要少。

虽然 cluster 模块可以充分利用资源，用起来也比较简单，但它只是解决了负载分配的问题。但其实做得也不是特别好，在 0.10 版本之前，cluster 把负载分配的工作交给了操作系统，然而实践证明，最终负载都落在了两三个进程上，分配并不均衡。所以在 0.12 版中，cluster 改用 round-robin 方式分配负载。详情请参见这里。

第三方模块

除了Node.js 官方提供的API，Node.js 社区也为这个问题贡献了几个模块。

比如Mozilla Identity 团队为Persona 开发的 node-compute-cluster 。这个模块可以繁衍和管理完成特定计算的一组进程。你可以设定最大进程数，然后由 node-compute-cluste 根据负载确定进程数量。它还会追踪运行进程的数量，以及工作完成的平均时长等统计信息，方便你分析系统的处理能力。下面是一个简单的例子：

 
const computecluster = require('compute-cluster');
 
// 分配计算集群
var cc = new computecluster({ module: './worker.js' });
 
// 并行运行工作
cc.enqueue({ input: 35 }, function (error, result) {
 console.log("35：", result);
});
cc.enqueue({ input: 40 }, function (error, result) {
 console.log("40：", result);
});

文件 worker.js 中的代码应该响应message事件处理队列中的任务：

 
process.on('message', function(m) {
 var output;
 var output = fibo(m.input);
 process.send(output);
});

还有功能强大的 threads_a_gogo 。参考文献中的第一篇文章介绍了一个拼字游戏解密程序 LetterPwn ，本文在很大程度上是受这篇文章的启发而写的，其中就是用 threads_a_gogo 管理 CPU 密集型计算线程的。由于篇幅所限，就不再展开介绍了。不过最后我们用 threads_a_gogo 线程池的例子作为结尾：

 
function fibo (n) {
 return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
 
var numThreads= 10;
var threadPool= require('threads_a_gogo').createPool(numThreads).all.eval(fibo);
 
threadPool.all.eval('fibo(40)', function cb (err, data) {
 process.stdout.write(" ["+ this.id+ "]"+ data);
 this.eval('fibo(40)', cb);
});
 
(function spinForever () {
 process.stdout.write(".");
 process.nextTick(spinForever);
})();

参考文献

1. Why you should use Node.js for CPU-bound tasks ,Neil Kandalgaonkar,2013.4.30;
2. TAGG 项目文档
3. Understanding process.nextTick() ,Kishore Nallan,2013.5.13
4. Node v0.10.0 changes from 0.8:FASTER PROCESS.NEXTTICK
5. What exactly is a Node.js event loop tick? ,StackOverflow,2013.11.6
6. Fully Loaded Node – A Node.JS Holiday Season, part 2 ,Lloyd Hilaiel,2012.11.20
7. 本文源码

感谢水羽哲对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ）或者腾讯微博（ @InfoQ ）关注我们，并与我们的编辑和其他读者朋友交流。