早期有很多關於Node.js爭論的焦點都在它的單線程模型方面，在由Jani Hartikainen寫的一篇著名的文章《PHP優於Node.js的五大理由》中，更有一條矛頭直接指向Node.js單線程脆弱的問題。 如果PHP代碼損壞，不會拖垮整個伺服器。 PHP代碼只運行在自己的進程範圍中，當某個請求 ...
早期有很多關於Node.js爭論的焦點都在它的單線程模型方面，在由Jani Hartikainen寫的一篇著名的文章《PHP優於Node.js的五大理由》中，更有一條矛頭直接指向Node.js單線程脆弱的問題。
如果PHP代碼損壞，不會拖垮整個伺服器。 PHP代碼只運行在自己的進程範圍中，當某個請求顯示錯誤時，它只對特定的請求產生影響。而在Node.js環境中，所有的請求均在單一的進程服務中，當某個請求導致未知錯誤時，整個伺服器都會受到影響。
Node.js和Apache+PHP還有一個非常不同的地方就是進程的運行時間長短，當然這一點也被此文作為一個PHP優於Node.js的理由來寫了。
PHP進程短暫。在PHP中，每個進程對請求持續的時間很短暫，這就意味著你不必為資源配置和記憶體而擔憂。而Node.js的進程需要運行很長一段時間，你需要小心並妥善管理好記憶體。比如，如果你忘記從全局數據中刪除條目，這會輕易的導致記憶體泄露。
在這裡我們並不想引起一次關於PHP和Node.js孰優孰劣的口水仗，PHP和Node.js各代表著一個互聯網時代的開發語言，就如同我們討論跑車和越野車誰更好一樣，它們都有自己所擅長和適用的場景。我們可以通過下麵這兩張圖深入理解一下PHP和Node.js對處理Http請求時的區別。
PHP的模型：
Node.js的模型：
所以你在編寫Node.js代碼時，要保持清醒的頭腦，任何一個隱藏著的異常被觸發後，都會將整個Node.js進程擊潰。但是這樣的特性也為我們編寫代碼帶來便利，比如同樣要實現一個簡單的網站訪問次數統計，Node.js只需要在記憶體里定義一個變數var count=0;，每次有用戶請求過來執行count++;即可。
var http = require('http');
var count = 0;
http.createServer(function (request, response) {
response.writeHead(200, {'Content-Type': 'text/plain'});
response.end((++count).toString())
}).listen(8124);
console.log('Server running at http://127.0.0.1:8124/');
但是對於PHP來說就需要使用第三方媒介來存儲這個count值了，比如創建一個count.txt文件來保存網站的訪問次數。
$counter_file = ("count.txt");
$visits = file($counter_file);
$visits[0]++;
$fp = fopen($counter_file,"w");
fputs($fp,"$visits[0]");
fclose($fp);
echo "$visits[0]";
?>
單線程的js
Google的V8 Javascript引擎已經在Chrome瀏覽器里證明瞭它的性能，所以Node.js的作者Ryan Dahl選擇了v8作為Node.js的執行引擎，v8賦予Node.js高效性能的同時也註定了Node.js和大名鼎鼎的Nginx一樣，都是以單線程為基礎的，當然這也正是作者Ryan Dahl設計Node.js的初衷。
單線程的優缺點
Node.js的單線程具有它的優勢，但也並非十全十美，在保持單線程模型的同時，它是如何保證非阻塞的呢？
高性能
首先，單線程避免了傳統PHP那樣頻繁創建、切換線程的開銷，使執行速度更加迅速。第二，資源占用小，如果有對Node.js的web伺服器做過壓力測試的朋友可能發現，Node.js在大負荷下對記憶體占用仍然很低，同樣的負載PHP因為一個請求一個線程的模型，將會占用大量的物理記憶體，很可能會導致伺服器因物理記憶體耗盡而頻繁交換，失去響應。
線程安全
單線程的js還保證了絕對的線程安全，不用擔心同一變數同時被多個線程進行讀寫而造成的程式崩潰。比如我們之前做的web訪問統計，因為單線程的絕對線程安全，所以不可能存在同時對count變數進行讀寫的情況，我們的統計代碼就算是成百的併發用戶請求都不會出現問題，相較PHP的那種存文件記錄訪問，就會面臨併發同時寫文件的問題。線程安全的同時也解放了開發人員，免去了多線程編程中忘記對變數加鎖或者解鎖造成的悲劇。
單線程的非同步和非阻塞
Node.js是單線程的，但是它如何做到I/O的非同步和非阻塞的呢？其實Node.js在底層訪問I/O還是多線程的，有興趣的朋友可以翻看Node.js的fs模塊的源碼，裡面會用到libuv來處理I/O，所以在我們看來Node.js的代碼就是非阻塞和非同步形式的。
阻塞/非阻塞與非同步/同步是兩個不同的概念，同步不代表阻塞，但是阻塞肯定就是同步了。
舉個現實生活中的例子，我去食堂打飯，我選擇了A套餐，然後工作人員幫我去配餐，如果我就站在旁邊，等待工作人員給我配餐，這種情況就稱之為同步；若工作人員幫我配餐的同時，排在我後面的人就開始點餐，這樣整個食堂的點餐服務並沒有因為我在等待A套餐而停止，這種情況就稱之為非阻塞。這個例子就簡單說明瞭同步但非阻塞的情況。
再如果我在等待配餐的時候去買飲料，等聽到叫號再回去拿套餐，此時我的飲料也已經買好，這樣我在等待配餐的同時還執行了買飲料的任務，叫號就等於執行了回調，就是非同步非阻塞了。
阻塞的單線程
既然Node.js是單線程非同步非阻塞的，是不是我們就可以高枕無憂了呢？
還是拿上面那個買套餐的例子，如果我在買飲料的時候，已經叫我的號讓我去拿套餐，可是我等了好久才拿到飲料，所以我可能在大廳叫我的餐號之後很久才拿到A套餐，這也就是單線程的阻塞情況。
在瀏覽器中，js都是以單線程的方式運行的，所以我們不用擔心js同時執行帶來的衝突問題，這對於我們編碼帶來很多的便利。
但是對於在服務端執行的Node.js，它可能每秒有上百個請求需要處理，對於在瀏覽器端工作良好的單線程js是否也能同樣在服務端表現良好呢？
我們看如下代碼：
var start = Date.now();//獲取當前時間戳
setTimeout(function () {
console.log(Date.now() - start);
for (var i = 0; i < 1000000000; i++){//執行長迴圈
}
}, 1000);
setTimeout(function () {
console.log(Date.now() - start);
}, 2000);
最終我們的列印結果是：（結果可能因為你的機器而不同）
1000
3738
對於我們期望2秒後執行的setTimeout函數其實經過了3738毫秒之後才執行，換而言之，因為執行了一個很長的for迴圈，所以我們整個Node.js主線程被阻塞了，如果在我們處理100個用戶請求中，其中第一個有需要這樣大量的計算，那麼其餘99個就都會被延遲執行。
其實雖然Node.js可以處理數以千記的併發，但是一個Node.js進程在某一時刻其實只是在處理一個請求。
單線程和多核
線程是cpu調度的一個基本單位，一個cpu同時只能執行一個線程的任務，同樣一個線程任務也只能在一個cpu上執行，所以如果你運行Node.js的機器是像i5，i7這樣多核cpu，那麼將無法充分利用多核cpu的性能來為Node.js服務。
多線程
在C++、C#、python等其他語言都有與之對應的多線程編程，有些時候這很有趣，帶給我們靈活的編程方式；但是也可能帶給我們一堆麻煩，需要學習更多的Api知識，在編寫更多代碼的同時也存在著更多的風險，線程的切換和鎖也會造成系統資源的開銷。
就像上面的那個例子，如果我們的Node.js有創建子線程的能力，那問題就迎刃而解了：
var start = Date.now();
createThread(function () { //創建一個子線程執行這10億次迴圈
console.log(Date.now() - start);
for (var i = 0; i < 1000000000; i++){}
});
setTimeout(function () { //因為10億次迴圈是在子線程中執行的，所以主線程不受影響
console.log(Date.now() - start);
}, 2000);
可惜也可以說可喜的是，Node.js的核心模塊並沒有提供這樣的api給我們，我們真的不想多線程又回歸回來。不過或許多線程真的能夠解決我們某方面的問題。
tagg2模塊
Jorge Chamorro Bieling是tagg(Threads a gogo for Node.js)包的作者，他硬是利用phread庫和C語言讓Node.js支持了多線程的開發，我們看一下tagg模塊的簡單示例：
var Threads = require('threads_a_gogo');//載入tagg包
function fibo(n) {//定義斐波那契數組計算函數
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
var t = Threads.create().eval(fibo);
t.eval('fibo(35)', function(err, result) {//將fibo(35)丟入子線程運行
if (err) throw err; //線程創建失敗
console.log('fibo(35)=' + result);//列印fibo執行35次的結果
});
console.log('not block');//列印信息了，表示沒有阻塞
上面這段代碼利用tagg包將fibo(35)這個計算丟入了子線程中進行，保證了Node.js主線程的舒暢，當子線程任務執行完畢將會執行主線程的回調函數，把結果列印到屏幕上，執行結果如下：
not block
fibo(35)=14930352
斐波那契數列，又稱黃金分割數列，這個數列從第三項開始，每一項都等於前兩項之和：0、1、1、2、3、5、8、13、21、……。
註意我們上面代碼的斐波那契數組演算法並不是最優演算法，只是為了模擬cpu密集型計算任務。
由於tagg包目前只能在linux下安裝運行，所以我fork了一個分支，修改了部分tagg包的代碼，發佈了tagg2包。tagg2包同樣具有tagg包的多線程功能，採用新的node-gyp命令進行編譯，同時它跨平臺支持，mac，linux，windows下都可以使用，對開發人員的api也更加友好。安裝方法很簡單，直接npm install tagg2。
一個利用tagg2計算斐波那契數組的http伺服器代碼：
var express = require('express');
var tagg2 = require("tagg2");
var app = express();
var th_func = function(){//線程執行函數，以下內容會線上程中執行
var fibo =function fibo (n) {//在子線程中定義fibo函數
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
var n = fibo(~~thread.buffer);//執行fibo遞歸
thread.end(n);//當線程執行完畢，執行thread.end帶上計算結果回調主線程
};
app.get('/', function(req, res){
var n = ~~req.query.n || 1;//獲取用戶請求參數
var buf = new Buffer(n.toString());
tagg2.create(th_func, {buffer:buf}, function(err,result){
//創建一個js線程,傳入工作函數,buffer參數以及回調函數
if(err) return res.end(err);//如果線程創建失敗
res.end(result.toString());//響應線程執行計算的結果
})
});
app.listen(8124);
console.log('listen on 8124');
其中~~req.query.n表示將用戶傳遞的參數n取整，功能類似Math.floor函數。
我們用express框架搭建了一個web伺服器，根據用戶發送的參數n的值來創建子線程計算斐波那契數組，當子線程計算完畢之後將結果響應給客戶端。由於計算是丟入子線程中運行的，所以整個主線程不會被阻塞，還是能夠繼續處理新請求的。
我們利用apache的http壓力測試工具ab來進行一次簡單的壓力測試，看看執行斐波那契數組35次，100客戶端併發100個請求，我們的QPS (Query Per Second)每秒查詢率在多少。
ab的全稱是ApacheBench，是Apache附帶的一個小工具，用於進行HTTP伺服器的性能測試，可以同時模擬多個併發請求。
我們的測試硬體：linux 2.6.4 4cpu 8G 64bit，網路環境則是內網。
ab壓力測試命令：
ab -c 100 -n 100 http://192.168.28.5:8124/?n=35
壓力測試結果：
Server Software:
Server Hostname: 192.168.28.5
Server Port: 8124
Document Path: /?n=35
Document Length: 8 bytes
Concurrency Level: 100
Time taken for tests: 5.606 seconds
Complete requests: 100
Failed requests: 0
Write errors: 0
Total transferred: 10600 bytes
HTML transferred: 800 bytes
Requests per second: 17.84 [#/sec](mean)
Time per request: 5605.769 [ms](mean)
Time per request: 56.058 [ms](mean, across all concurrent requests)
Transfer rate: 1.85 [Kbytes/sec] received
Connection Times (ms)
min mean[+/-sd] median max
Connect: 3 4 0.8 4 6
Processing: 455 5367 599.7 5526 5598
Waiting: 454 5367 599.7 5526 5598
Total: 461 5372 599.3 5531 5602
Percentage of the requests served within a certain time (ms)
50% 5531
66% 5565
75% 5577
80% 5581
90% 5592
95% 5597
98% 5600
99% 5602
100% 5602 (longest request)
我們看到Requests per second表示每秒我們伺服器處理的任務數量，這裡是17.84。第二個我們比較關心的是兩個Time per request結果，上面一行Time per request:5605.769 [ms](mean)表示當前這個併發量下處理每組請求的時間，而下麵這個Time per request:56.058 [ms](mean, across all concurrent requests)表示每個用戶平均處理時間，因為我們本次測試併發是100，所以結果正好是上一行的100分之1。得出本次測試平均每個用戶請求的平均等待時間為56.058 [ms]。
另外我們看下最後帶有百分比的列表，可以看到50%的用戶是在5531 ms以內返回的，最慢的也不過5602 ms，響應延遲非常的平均。
我們如果用cluster來啟動4個進程，是否可以充分利用cpu達到tagg2那樣的QPS呢？我們在同樣的網路環境和測試機上運行如下代碼：
var cluster = require('cluster');//載入clustr模塊
var numCPUs = require('os').cpus().length;//設定啟動進程數為cpu個數
if (cluster.isMaster) {
for (var i = 0; i < numCPUs; i++) {
cluster.fork();//啟動子進程
}
} else {
var express = require('express');
var app = express();
var fibo = function fibo (n) {//定義斐波那契數組演算法
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
app.get('/', function(req, res){
var n = fibo(~~req.query.n || 1);//接收參數
res.send(n.toString());
});
app.listen(8124);
console.log('listen on 8124');
}
在終端屏幕上列印了4行信息：
listen on 8124
listen on 8124
listen on 8124
listen on 8124
我們成功啟動了4個cluster之後，用同樣的ab壓力測試命令對8124埠進行測試，結果如下：
Server Software:
Server Hostname: 192.168.28.5
Server Port: 8124
Document Path: /?n=35
Document Length: 8 bytes
Concurrency Level: 100
Time taken for tests: 10.509 seconds
Complete requests: 100
Failed requests: 0
Write errors: 0
Total transferred: 16500 bytes
HTML transferred: 800 bytes
Requests per second: 9.52 [#/sec](mean)
Time per request: 10508.755 [ms](mean)
Time per request: 105.088 [ms](mean, across all concurrent requests)
Transfer rate: 1.53 [Kbytes/sec] received
Connection Times (ms)
min mean[+/-sd] median max
Connect: 4 5 0.4 5 6
Processing: 336 3539 2639.8 2929 10499
Waiting: 335 3539 2639.9 2929 10499
Total: 340 3544 2640.0 2934 10504
Percentage of the requests served within a certain time (ms)
50% 2934
66% 3763
75% 4527
80% 5153
90% 8261
95% 9719
98% 10308
99% 10504
100% 10504 (longest request)
通過和上面tagg2包的測試結果對比，我們發現區別很大。首先每秒處理的任務數從17.84 [#/sec]下降到了9.52 [#/sec]，這說明我們web伺服器整體的吞吐率下降了；然後每個用戶請求的平均等待時間也從56.058 [ms]提高到了105.088 [ms]，用戶等待的時間也更長了。
最後我們發現用戶請求處理的時長非常的不均勻，50%的用戶在2934 ms內返回了，最慢的等待達到了10504 ms。雖然我們使用了cluster啟動了4個Node.js進程處理用戶請求，但是對於每個Node.js進程來說還是單線程的，所以當有4個用戶跑滿了4個Node.js的cluster進程之後，新來的用戶請求就只能等待了，最後造成了先到的用戶處理時間短，後到的用戶請求處理時間比較長，就造成了用戶等待時間非常的不平均。
v8引擎
大家看到這裡是不是開始心潮澎湃，感覺js一統江湖的時代來臨了，單線程非同步非阻塞的模型可以勝任大併發，同時開發也非常高效，多線程下的js可以承擔cpu密集型任務，不會有主線程阻塞而引起的性能問題。
但是，不論tagg還是tagg2包都是利用phtread庫和v8的v8::Isolate Class類來實現js多線程功能的。
Isolate代表著一個獨立的v8引擎實例，v8的Isolate擁有完全分開的狀態，在一個Isolate實例中的對象不能夠在另外一個Isolate實例中使用。嵌入式開發者可以在其他線程創建一些額外的Isolate實例並行運行。在任何時刻，一個Isolate實例只能夠被一個線程進行訪問，可以利用加鎖/解鎖進行同步操作。
換而言之，我們在進行v8的嵌入式開發時，無法在多線程中訪問js變數，這條規則將直接導致我們之前的tagg2裡面線程執行的函數無法使用Node.js的核心api，比如fs，crypto等模塊。如此看來，tagg2包還是有它使用的局限性，針對一些可以使用js原生的大量計算或迴圈可以使用tagg2，Node.js核心api因為無法從主線程共用對象的關係，也就不能跨線程使用了。
libuv
最後，如果我們非要讓Node.js支持多線程，還是提倡使用官方的做法，利用libuv庫來實現。
libuv是一個跨平臺的非同步I/O庫，它主要用於Node.js的開發，同時他也被Mozilla's Rust language, Luvit, Julia, pyuv等使用。它主要包括了Event loops事件迴圈，Filesystem文件系統，Networking網路支持，Threads線程，Processes進程，Utilities其他工具。
在Node.js核心api中的非同步多線程大多是使用libuv來實現的，下一章將帶領大家開發一個讓Node.js支持多線程並基於libuv的Node.js包。
多進程
在支持html5的瀏覽器里，我們可以使用webworker來將一些耗時的計算丟入worker進程中執行，這樣主進程就不會阻塞，用戶也就不會有卡頓的感覺了。在Node.js中是否也可以使用這類技術，保證主線程的通暢呢？
cluster
cluster可以用來讓Node.js充分利用多核cpu的性能，同時也可以讓Node.js程式更加健壯，官網上的cluster示例已經告訴我們如何重新啟動一個因為異常而奔潰的子進程。
webworker
想要像在瀏覽器端那樣啟動worker進程，我們需要利用Node.js核心api里的child_process模塊。child_process模塊提供了fork的方法，可以啟動一個Node.js文件，將它作為worker進程，當worker進程工作完畢，把結果通過send方法傳遞給主進程，然後自動退出，這樣我們就利用了多進程來解決主線程阻塞的問題。
我們先啟動一個web服務，還是接收參數計算斐波那契數組：
var express = require('express');
var fork = require('child_process').fork;
var app = express();
app.get('/', function(req, res){
var worker = fork('./work_fibo.js') //創建一個工作進程
worker.on('message', function(m) {//接收工作進程計算結果
if('object' === typeof m && m.type === 'fibo'){
worker.kill();//發送殺死進程的信號
res.send(m.result.toString());//將結果返回客戶端
}
});
worker.send({type:'fibo',num:~~req.query.n || 1});
//發送給工作進程計算fibo的數量
});
app.listen(8124);
我們通過express監聽8124埠，對每個用戶的請求都會去fork一個子進程，通過調用worker.send方法將參數n傳遞給子進程，同時監聽子進程發送消息的message事件，將結果響應給客戶端。
下麵是被fork的work_fibo.js文件內容：
var fibo = function fibo (n) {//定義演算法
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
process.on('message', function(m) {
//接收主進程發送過來的消息
if(typeof m === 'object' && m.type === 'fibo'){
var num = fibo(~~m.num);
//計算jibo
process.send({type: 'fibo',result:num})
//計算完畢返回結果
}
});
process.on('SIGHUP', function() {
process.exit();//收到kill信息，進程退出
});
我們先定義函數fibo用來計算斐波那契數組，然後監聽了主線程發來的消息，計算完畢之後將結果send到主線程。同時還監聽process的SIGHUP事件，觸發此事件就進程退出。
這裡我們有一點需要註意，主線程的kill方法並不是真的使子進程退出，而是會觸發子進程的SIGHUP事件，真正的退出還是依靠process.exit();。
下麵我們用ab 命令測試一下多進程方案的處理性能和用戶請求延遲，測試環境不變，還是100個併發100次請求，計算斐波那切數組第35位:
Server Software:
Server Hostname: 192.168.28.5
Server Port: 8124
Document Path: /?n=35
Document Length: 8 bytes
Concurrency Level: 100
Time taken for tests: 7.036 seconds
Complete requests: 100
Failed requests: 0
Write errors: 0
Total transferred: 16500 bytes
HTML transferred: 800 bytes
Requests per second: 14.21 [#/sec](mean)
Time per request: 7035.775 [ms](mean)
Time per request: 70.358 [ms](mean, across all concurrent requests)
Transfer rate: 2.29 [Kbytes/sec] received
Connection Times (ms)
min mean[+/-sd] median max
Connect: 4 4 0.2 4 5
Processing: 4269 5855 970.3 6132 7027
Waiting: 4269 5855 970.3 6132 7027
Total: 4273 5860 970.3 6136 7032
Percentage of the requests served within a certain time (ms)
50% 6136
66% 6561
75% 6781
80% 6857
90% 6968
95% 7003
98% 7017
99% 7032
100% 7032 (longest request)
壓力測試結果QPS約為14.21,相比cluster來說，還是快了很多，每個用戶請求的延遲都很平均，因為進程的創建和銷毀的開銷要大於線程，所以在性能方面略低於tagg2，不過相對於cluster方案，這樣的提升還是令我們滿意的。
換一種思路
使用child_process模塊的fork方法確實可以讓我們很好的解決單線程對cpu密集型任務的阻塞問題，同時又沒有tagg2包那樣無法使用Node.js核心api的限制。
但是如果我的worker具有多樣性，每次在利用child_process模塊解決問題時都需要去創建一個worker.js的工作函數文件，有點麻煩。我們是不是可以更加簡單一些呢？
在我們啟動Node.js程式時，node命令可以帶上-e這個參數，它將直接執行-e後面的字元串，如下代碼就將列印出hello world。
node -e "console.log('hello world')"
合理的利用這個特性，我們就可以免去每次都創建一個文件的麻煩。
var express = require('express');
var spawn = require('child_process').spawn;
var app = express();
var spawn_worker = function(n,end){//定義工作函數
var fibo = function fibo (n) {
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
end(fibo(n));
}
var spawn_end = function(result){//定義工作函數結束的回調函數參數
console.log(result);
process.exit();
}
app.get('/', function(req, res){
var n = ~~req.query.n || 1;
//拼接-e後面的參數
var spawn_cmd = '('+spawn_worker.toString()+'('+n+','+spawn_end.toString()+'));'
console.log(spawn_cmd);//註意這個列印結果
var worker = spawn('node',['-e',spawn_cmd]);//執行node -e "xxx"命令
var fibo_res = '';
worker.stdout.on('data', function (data) { //接收工作函數的返回
fibo_res += data.toString();
});
worker.on('close', function (code) {//將結果響應給客戶端
res.send(fibo_res);
});
});
app.listen(8124);
代碼很簡單，我們主要關註3個地方。
第一、我們定義了spawn_worker函數，他其實就是將會在-e後面執行的工作函數，所以我們把計算斐波那契數組的演算法定義在內，spawn_worker函數接收2個參數，第一個參數n表示客戶請求要計算的斐波那契數組的位數，第二個end參數是一個函數，如果計算完畢則執行end，將結果傳回主線程；
第二、真正當Node.js腳步執行的字元串其實就是spawn_cmd里的內容，它的內容我們通過運行之後的列印信息，很容易就能明白；
第三、我們利用child_process的spawn方法，類似在命令行里執行了node -e "js code"，啟動Node.js工作進程，同時監聽子進程的標準輸出，將數據保存起來，當子進程退出之後把結果響應給用戶。
現在主要的焦點就是變數spawn_cmd到底保存了什麼，我們打開瀏覽器在地址欄里輸入：
http://127.0.0.1:8124/?n=35
下麵就是程式運行之後的列印信息，
(function (n,end){
var fibo = function fibo (n) {
return n > 1 ? fibo(n - 1) + fibo(n - 2) : 1;
}
end(fibo(n));
}(35,function (result){
console.log(result);
process.exit();
}));
對於在子進程執行的工作函數的兩個參數n和end現在一目瞭然，n代表著用戶請求的參數，期望獲得的斐波那契數組的位數，而end參數則是一個匿名函數，在標準輸出中列印計算結果然後退出進程。
node -e命令雖然可以減少創建文件的麻煩，但同時它也有命令行長度的限制，這個值各個系統都不相同，我們通過命令getconf ARG_MAX來獲得最大命令長度，例如：MAC OSX下是262,144 byte，而我的linux虛擬機則是131072 byte。
多進程和多線程
大部分多線程解決cpu密集型任務的方案都可以用我們之前討論的多進程方案來替代，但是有一些比較特殊的場景多線程的優勢就發揮出來了，下麵就拿我們最常見的http web伺服器響應一個小的靜態文件作為例子。
以express處理小型靜態文件為例，大致的處理流程如下： 1、首先獲取文件狀態，判斷文件的修改時間或者判斷etag來確定是否響應304給客戶端，讓客戶端繼續使用本地緩存。 2、如果緩存已經失效或者客戶端沒有緩存，就需要獲取文件的內容到buffer中，為響應作准備。 3、然後判斷文件的MIME類型，如果是類似html，js，css等靜態資源，還需要gzip壓縮之後傳輸給客戶端 4、最後將gzip壓縮完成的靜態文件響應給客戶端。
下麵是一個正常成功的Node.js處理靜態資源無緩存流程圖：
這個流程中的(2)，(3)，(4)步都經歷了從js到C++ ，打開和釋放文件，還有調用了zlib庫的gzip演算法，其中每個非同步的演算法都會有創建和銷毀線程的開銷，所以這樣也是大家詬病Node.js處理靜態文件不給力的原因之一。
為了改善這個問題，我之前有利用libuv庫開發了一個改善Node.js的http/https處理靜態文件的包，名為ifile，ifile包，之所以可以加速Node.js的靜態文件處理性能，主要是減少了js和C++的互相調用，以及頻繁的創建和銷毀線程的開銷，下圖是ifile包處理一個靜態無緩存資源的流程圖：
由於全部工作都是在libuv的子線程中執行的，所以Node.js主線程不會阻塞，當然性能也會大幅提升了，使用ifile包非常簡單，它能夠和express無縫的對接。
var express = require('express');
var ifile = require("ifile");
var app = express();
app.use(ifile.connect()); //預設值是 [['/static',__dirname]];
app.listen(8124);
上面這4行代碼就可以讓express把靜態資源交給ifile包來處理了，我們在這裡對它進行了一個簡單的壓力測試，測試用例為響應一個大小為92kb的jquery.1.7.1.min.js文件，測試命令：
ab -c 500 -n 5000 -H "Accept-Encoding: gzip"
http://192.168.28.5:8124/static/jquery.1.7.1.min.js
由於在ab命令中我們加入了-H "Accept-Encoding: gzip"，表示響應的靜態文件希望是gzip壓縮之後的，所以ifile將會把壓縮之後的jquery.1.7.1.min.js文件響應給客戶端。結果如下：
Server Software:
Server Hostname: 192.168.28.5
Server Port: 8124
Document Path: /static/jquery.1.7.1.min.js
Document Length: 33016 bytes
Concurrency Level: 500
Time taken for tests: 9.222 seconds
Complete requests: 5000
Failed requests: 0
Write errors: 0
Total transferred: 166495000 bytes
HTML transferred: 165080000 bytes
Requests per second: 542.16 [#/sec](mean)
Time per request: 922.232 [ms](mean)
Time per request: 1.844 [ms](mean, across all concurrent requests)
Transfer rate: 17630.35 [Kbytes/sec] received
Connection Times (ms)
min mean[+/-sd] median max
Connect: 0 49 210.2 1 1003
Processing: 191 829 128.6 870 1367
Waiting: 150 824 128.5 869 1091
Total: 221 878 230.7 873 1921
Percentage of the requests served within a certain time (ms)
50% 873
66% 878
75% 881
80% 885
90% 918
95% 1109
98% 1815
99% 1875
100% 1921 (longest request)
我們首先看到Document Length一項結果為33016 bytes說明我們的jquery文件已經被成功的gzip壓縮，因為源文件大小是92kb；其次，我們最關心的Requests per second:542.16 [#/sec](mean)，說明我們每秒能處理542個任務；最後，我們看到，在這樣的壓力情況下，平均每個用戶的延遲在1.844 [ms]。
我們看下使用express框架處理這樣的壓力會是什麼樣的結果，express測試代碼如下：
var express = require('express');
var app = express();
app.use(express.compress());//支持gzip
app.use('/static', express.static(__dirname + '/static'));
app.listen(8124);
代碼同樣非常簡單，註意這裡我們使用：
app.use('/static', express.static(__dirname + '/static'));
而不是：
app.use(express.static(__dirname));
後者每個請求都會去匹配一次文件是否存在，而前者只有請求url是/static開頭的才會去匹配靜態資源，所以前者效率更高一些。然後我們執行相同的ab壓力測試命令看下結果：
Server Software:
Server Hostname: 192.168.28.5
Server Port: 8124
Document Path: /static/jquery.1.7.1.min.js
Document Length: 33064 bytes
Concurrency Level: 500
Time taken for tests: 16.665 seconds
Complete requests: 5000
Failed requests: 0
Write errors: 0
Total transferred: 166890000 bytes
HTML transferred: 165320000 bytes
Requests per second: 300.03 [#/sec](mean)
Time per request: 1666.517 [ms](mean)
Time per request: 3.333 [ms](mean, across all concurrent requests)
Transfer rate: 9779.59 [Kbytes/sec] received
Connection Times (ms)
min mean[+/-sd] median max
Connect: 0 173 539.8 1 7003
Processing: 509 886 350.5 809 9366
Waiting: 238 476 277.9 426 9361
Total: 510 1059 632.9 825 9367
Percentage of the requests served within a certain time (ms)
50% 825
66% 908
75% 1201
80% 1446
90% 1820
95% 1952
98% 2560
99% 3737
100% 9367 (longest request)
同樣分析一下結果，Document Length:33064 bytes表示文檔大小為33064 bytes，說明我們的gzip起作用了，每秒處理任務數從ifile包的542下降到了300，最長用戶等待時間也延長到了9367 ms，可見我們的努力起到了立竿見影的作用，js和C++互相調用以及線程的創建和釋放並不是沒有損耗的。
但是當我在express的谷歌論壇里貼上這些測試結果，並宣傳ifile包的時候，express的作者TJ，給出了不一樣的評價，他在回覆中說道：
請牢記你可能不需要這麼高等級吞吐率的系統，就算是每月百萬級別下載量的npm網站，也僅僅每秒處理17個請求而已，這樣的壓力甚至於PHP也可以處理掉（又黑了一把php）。
確實如TJ所說，性能只是我們項目的指標之一而非全部，一味的去追求高性能並不是很理智。
ifile包開源項目地址：https://github.com/DoubleSpout/ifile
總結
單線程的Node.js給我們編碼帶來了太多的便利和樂趣，我們應該時刻保持清醒的頭腦，在寫Node.js代碼中切不可與PHP混淆，任何一個隱藏的問題都可能擊潰整個線上正在運行的Node.js程式。
單線程非同步的Node.js不代表不會阻塞，在主線程做過多的任務可能會導致主線程的卡死，影響整個程式的性能，所以我們要非常小心的處理大量的迴圈，字元串拼接和浮點運算等cpu密集型任務，合理的利用各種技術把任務丟給子線程或子進程去完成，保持Node.js主線程的暢通。
線程/進程的使用並不是沒有開銷的，儘可能減少創建和銷毀線程/進程的次數，可以提升我們系統整體的性能和出錯的概率。
最後請不要一味的追求高性能和高併發，因為我們可能不需要系統具有那麼大的吞吐率。高效，敏捷，低成本的開發才是項目所需要的，這也是為什麼Node.js能夠在眾多開發語言中脫穎而出的關鍵。
作者：越努力越幸運_952c
鏈接：https://www.jianshu.com/p/e8a7657b83b8
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯繫作者獲得授權並註明出處。
