1. 引言 正如我們所知，NGINX採用了非同步、事件驅動的方法來處理連接。這種處理方式無需（像使用傳統架構的伺服器一樣）為每個請求創建額外的專用進程或者線程，而是在一個工作進程中處理多個連接和請求。為此，NGINX工作在非阻塞的socket模式下，並使用了epoll 和 kqueue這樣有效的方法。 ...
1. 引言
正如我們所知，NGINX採用了非同步、事件驅動的方法來處理連接。這種處理方式無需（像使用傳統架構的伺服器一樣）為每個請求創建額外的專用進程或者線程，而是在一個工作進程中處理多個連接和請求。為此，NGINX工作在非阻塞的socket模式下，並使用了epoll 和 kqueue這樣有效的方法。
因為滿負載進程的數量很少（通常每核CPU只有一個）而且恆定，所以任務切換隻消耗很少的記憶體，而且不會浪費CPU周期。通過NGINX本身的實例，這種方法的優點已經為眾人所知。NGINX可以非常好地處理百萬級規模的併發請求。
每個進程都消耗額外的記憶體，而且每次進程間的切換都會消耗CPU周期並丟棄CPU高速緩存中的數據。
但是，非同步、事件驅動方法仍然存在問題。或者，我喜歡將這一問題稱為“敵兵”，這個敵兵的名字叫阻塞（blocking）。不幸的是，很多第三方模塊使用了阻塞調用，然而用戶（有時甚至是模塊的開發者）並不知道阻塞的缺點。阻塞操作可以毀掉NGINX的性能，我們必須不惜一切代價避免使用阻塞。
即使在當前官方的NGINX代碼中，依然無法在全部場景中避免使用阻塞，NGINX1.7.11中實現的線程池機制解決了這個問題。我們將在後面講述這個線程池是什麼以及該如何使用。現在，讓我們先和我們的“敵兵”進行一次面對面的碰撞。
2. 問題
首先，為了更好地理解這一問題，我們用幾句話說明下NGINX是如何工作的。
通常情況下，NGINX是一個事件處理器，即一個接收來自內核的所有連接事件的信息，然後向操作系統發出做什麼指令的控制器。實際上，NGINX幹了編排操作系統的全部臟活累活，而操作系統做的是讀取和發送位元組這樣的日常工作。所以，對於NGINX來說，快速和及時的響應是非常重要的。
工作進程監聽並處理來自內核的事件
事件可以是超時、socket讀寫就緒的通知，或者發生錯誤的通知。NGINX接收大量的事件，然後一個接一個地處理它們，並執行必要的操作。因此，所有的處理過程是通過一個線程中的隊列，在一個簡單迴圈中完成的。NGINX從隊列中取出一個事件並對其做出響應，比如讀寫socket。在多數情況下，這種方式是非常快的（也許只需要幾個CPU周期，將一些數據複製到記憶體中），NGINX可以在一瞬間處理掉隊列中的所有事件。
所有處理過程是在一個簡單的迴圈中，由一個線程完成
但是，如果NGINX要處理的操作是一些又長又重的操作，又會發生什麼呢？整個事件處理迴圈將會卡住，等待這個操作執行完畢。
因此，所謂“阻塞操作”是指任何導致事件處理迴圈顯著停止一段時間的操作。操作可以由於各種原因成為阻塞操作。例如，NGINX可能因長時間、CPU密集型處理，或者可能等待訪問某個資源（比如硬碟，或者一個互斥體，亦或要從處於同步方式的資料庫獲得相應的庫函數調用等）而繁忙。關鍵是在處理這樣的操作期間，工作進程無法做其他事情或者處理其他事件，即使有更多的可用系統資源可以被隊列中的一些事件所利用。
我們來打個比方，一個商店的營業員要接待他面前排起的一長隊顧客。隊伍中的第一位顧客想要的某件商品不在店裡而在倉庫中。這位營業員跑去倉庫把東西拿來。現在整個隊伍必須為這樣的配貨方式等待數個小時，隊伍中的每個人都很不爽。你可以想見人們的反應吧？隊伍中每個人的等待時間都要增加這些時間，除非他們要買的東西就在店裡。
隊伍中的每個人不得不等待第一個人的購買
在NGINX中會發生幾乎同樣的情況，比如當讀取一個文件的時候，如果該文件沒有緩存在記憶體中，就要從磁碟上讀取。從磁碟（特別是旋轉式的磁碟）讀取是很慢的,而當隊列中等待的其他請求可能不需要訪問磁碟時，它們也得被迫等待。導致的結果是，延遲增加並且系統資源沒有得到充分利用。
一個阻塞操作足以顯著地延緩所有接下來的操作
一些操作系統為讀寫文件提供了非同步介面，NGINX可以使用這樣的介面（見AIO指令）。FreeBSD就是個很好的例子。不幸的是，我們不能在Linux上得到相同的福利。雖然Linux為讀取文件提供了一種非同步介面，但是存在明顯的缺點。其中之一是要求文件訪問和緩衝要對齊，但NGINX很好地處理了這個問題。但是，另一個缺點更糟糕。非同步介面要求文件描述符中要設置O_DIRECT標記，就是說任何對文件的訪問都將繞過記憶體中的緩存，這增加了磁碟的負載。在很多場景中，這都絕對不是最佳選擇。
為了有針對性地解決這一問題，在NGINX 1.7.11中引入了線程池。預設情況下，NGINX+還沒有包含線程池，但是如果你想試試的話，可以聯繫銷售人員，NGINX+ R6是一個已經啟用了線程池的構建版本。
現在，讓我們走進線程池，看看它是什麼以及如何工作的。
3. 線程池
讓我們回到那個可憐的，要從大老遠的倉庫去配貨的售貨員那兒。這回，他已經變聰明瞭（或者也許是在一群憤怒的顧客教訓了一番之後，他才變得聰明的？），雇用了一個配貨服務團隊。現在，當任何人要買的東西在大老遠的倉庫時，他不再親自去倉庫了，只需要將訂單丟給配貨服務，他們將處理訂單，同時，我們的售貨員依然可以繼續為其他顧客服務。因此，只有那些要買倉庫里東西的顧客需要等待配貨，其他顧客可以得到即時服務。
傳遞訂單給配貨服務不會阻塞隊伍
對NGINX而言，線程池執行的就是配貨服務的功能。它由一個任務隊列和一組處理這個隊列的線程組成。
當工作進程需要執行一個潛在的長操作時，工作進程不再自己執行這個操作，而是將任務放到線程池隊列中，任何空閑的線程都可以從隊列中獲取並執行這個任務。
工作進程將阻塞操作卸給線程池
那麼，這就像我們有了另外一個隊列。是這樣的，但是在這個場景中，隊列受限於特殊的資源。磁碟的讀取速度不能比磁碟產生數據的速度快。不管怎麼說，至少現在磁碟不再延誤其他事件，只有訪問文件的請求需要等待。
“從磁碟讀取”這個操作通常是阻塞操作最常見的示例，但是實際上，NGINX中實現的線程池可用於處理任何不適合在主迴圈中執行的任務。
目前，卸載到線程池中執行的兩個基本操作是大多數操作系統中的read()系統調用和Linux中的sendfile()。接下來，我們將對線程池進行測試（test）和基準測試（benchmark），在未來的版本中，如果有明顯的優勢，我們可能會卸載其他操作到線程池中。
4. 基準測試
現在讓我們從理論過度到實踐。我們將進行一次模擬基準測試（synthetic benchmark），模擬在阻塞操作和非阻塞操作的最差混合條件下，使用線程池的效果。
另外，我們需要一個記憶體肯定放不下的數據集。在一臺48GB記憶體的機器上，我們已經產生了每文件大小為4MB的隨機數據，總共256GB，然後配置NGINX，版本為1.9.0。
配置很簡單：
worker_processes 16; events { accept_mutex off; } http { include mime.types; default_type application/octet-stream; access_log off; sendfile on; sendfile_max_chunk 512k; server { listen 8000; location / { root /storage; } } }
如上所示，為了達到更好的性能，我們調整了幾個參數：禁用了logging和accept_mutex，同時，啟用了sendfile並設置了sendfile_max_chunk的大小。最後一個指令可以減少阻塞調用sendfile()所花費的最長時間，因為NGINX不會嘗試一次將整個文件發送出去，而是每次發送大小為512KB的塊數據。
這台測試伺服器有2個Intel Xeon E5645處理器（共計：12核、24超線程）和10-Gbps的網路介面。磁碟子系統是由4塊西部數據WD1003FBYX 磁碟組成的RAID10陣列。所有這些硬體由Ubuntu伺服器14.04.1 LTS供電。
為基準測試配置負載生成器和NGINX
客戶端有2台伺服器，它們的規格相同。在其中一臺上，在wrk中使用Lua腳本創建了負載程式。腳本使用200個並行連接向伺服器請求文件，每個請求都可能未命中緩存而從磁碟阻塞讀取。我們將這種負載稱作隨機負載。
在另一臺客戶端機器上，我們將運行wrk的另一個副本，使用50個並行連接多次請求同一個文件。因為這個文件將被頻繁地訪問，所以它會一直駐留在記憶體中。在正常情況下，NGINX能夠非常快速地服務這些請求，但是如果工作進程被其他請求阻塞的話，性能將會下降。我們將這種負載稱作恆定負載。
性能將由伺服器上ifstat監測的吞吐率（throughput）和從第二台客戶端獲取的wrk結果來度量。
現在，沒有使用線程池的第一次運行將不會帶給我們非常振奮的結果：
% ifstat -bi eth2 eth2 Kbps in Kbps out 5531.24 1.03e+06 4855.23 812922.7 5994.66 1.07e+06 5476.27 981529.3 6353.62 1.12e+06 5166.17 892770.3 5522.81 978540.8 6208.10 985466.7 6370.79 1.12e+06 6123.33 1.07e+06
如上所示，使用這種配置，伺服器產生的總流量約為1Gbps。從下麵所示的top輸出，我們可以看到，工作進程的大部分時間花在阻塞I/O上（它們處於top的D狀態）：
top - 10:40:47 up 11 days, 1:32, 1 user, load average: 49.61, 45.77 62.89 Tasks: 375 total, 2 running, 373 sleeping, 0 stopped, 0 zombie %Cpu(s): 0.0 us, 0.3 sy, 0.0 ni, 67.7 id, 31.9 wa, 0.0 hi, 0.0 si, 0.0 st KiB Mem: 49453440 total, 49149308 used, 304132 free, 98780 buffers KiB Swap: 10474236 total, 20124 used, 10454112 free, 46903412 cached Mem PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 4639 vbart 20 0 47180 28152 496 D 0.7 0.1 0:00.17 nginx 4632 vbart 20 0 47180 28196 536 D 0.3 0.1 0:00.11 nginx 4633 vbart 20 0 47180 28324 540 D 0.3 0.1 0:00.11 nginx 4635 vbart 20 0 47180 28136 480 D 0.3 0.1 0:00.12 nginx 4636 vbart 20 0 47180 28208 536 D 0.3 0.1 0:00.14 nginx 4637 vbart 20 0 47180 28208 536 D 0.3 0.1 0:00.10 nginx 4638 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.12 nginx 4640 vbart 20 0 47180 28324 540 D 0.3 0.1 0:00.13 nginx 4641 vbart 20 0 47180 28324 540 D 0.3 0.1 0:00.13 nginx 4642 vbart 20 0 47180 28208 536 D 0.3 0.1 0:00.11 nginx 4643 vbart 20 0 47180 28276 536 D 0.3 0.1 0:00.29 nginx 4644 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.11 nginx 4645 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.17 nginx 4646 vbart 20 0 47180 28204 536 D 0.3 0.1 0:00.12 nginx 4647 vbart 20 0 47180 28208 532 D 0.3 0.1 0:00.17 nginx 4631 vbart 20 0 47180 756 252 S 0.0 0.1 0:00.00 nginx 4634 vbart 20 0 47180 28208 536 D 0.0 0.1 0:00.11 nginx 4648 vbart 20 0 25232 1956 1160 R 0.0 0.0 0:00.08 top 25921 vbart 20 0 121956 2232 1056 S 0.0 0.0 0:01.97 sshd 25923 vbart 20 0 40304 4160 2208 S 0.0 0.0 0:00.53 zsh
在這種情況下，吞吐率受限於磁碟子系統，而CPU在大部分時間里是空閑的。從wrk獲得的結果也非常低：
Running 1m test @ http://192.0.2.1:8000/1/1/1 12 threads and 50 connections Thread Stats Avg Stdev Max +/- Stdev Latency 7.42s 5.31s 24.41s 74.73% Req/Sec 0.15 0.36 1.00 84.62% 488 requests in 1.01m, 2.01GB read Requests/sec: 8.08 Transfer/sec: 34.07MB
請記住，文件是從記憶體送達的！第一個客戶端的200個連接創建的隨機負載，使伺服器端的全部的工作進程忙於從磁碟讀取文件，因此產生了過大的延遲，並且無法在合理的時間內處理我們的請求。
現在，我們的線程池要登場了。為此，我們只需在location塊中添加aio threads指令：
location / { root /storage; aio threads; }
接著，執行NGINX reload重新載入配置。
然後，我們重覆上述的測試：
% ifstat -bi eth2 eth2 Kbps in Kbps out 60915.19 9.51e+06 59978.89 9.51e+06 60122.38 9.51e+06 61179.06 9.51e+06 61798.40 9.51e+06 57072.97 9.50e+06 56072.61 9.51e+06 61279.63 9.51e+06 61243.54 9.51e+06 59632.50 9.50e+06
現在，我們的伺服器產生的流量是9.5Gbps，相比之下，沒有使用線程池時只有約1Gbps！
理論上還可以產生更多的流量，但是這已經達到了機器的最大網路吞吐能力，所以在這次NGINX的測試中，NGINX受限於網路介面。工作進程的大部分時間只是休眠和等待新的事件（它們處於top的S狀態）：
top - 10:43:17 up 11 days, 1:35, 1 user, load average: 172.71, 93.84, 77.90 Tasks: 376 total, 1 running, 375 sleeping, 0 stopped, 0 zombie %Cpu(s): 0.2 us, 1.2 sy, 0.0 ni, 34.8 id, 61.5 wa, 0.0 hi, 2.3 si, 0.0 st KiB Mem: 49453440 total, 49096836 used, 356604 free, 97236 buffers KiB Swap: 10474236 total, 22860 used, 10451376 free, 46836580 cached Mem PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 4654 vbart 20 0 309708 28844 596 S 9.0 0.1 0:08.65 nginx 4660 vbart 20 0 309748 28920 596 S 6.6 0.1 0:14.82 nginx 4658 vbart 20 0 309452 28424 520 S 4.3 0.1 0:01.40 nginx 4663 vbart 20 0 309452 28476 572 S 4.3 0.1 0:01.32 nginx 4667 vbart 20 0 309584 28712 588 S 3.7 0.1 0:05.19 nginx 4656 vbart 20 0 309452 28476 572 S 3.3 0.1 0:01.84 nginx 4664 vbart 20 0 309452 28428 524 S 3.3 0.1 0:01.29 nginx 4652 vbart 20 0 309452 28476 572 S 3.0 0.1 0:01.46 nginx 4662 vbart 20 0 309552 28700 596 S 2.7 0.1 0:05.92 nginx 4661 vbart 20 0 309464 28636 596 S 2.3 0.1 0:01.59 nginx 4653 vbart 20 0 309452 28476 572 S 1.7 0.1 0:01.70 nginx 4666 vbart 20 0 309452 28428 524 S 1.3 0.1 0:01.63 nginx 4657 vbart 20 0 309584 28696 592 S 1.0 0.1 0:00.64 nginx 4655 vbart 20 0 30958 28476 572 S 0.7 0.1 0:02.81 nginx 4659 vbart 20 0 309452 28468 564 S 0.3 0.1 0:01.20 nginx 4665 vbart 20 0 309452 28476 572 S 0.3 0.1 0:00.71 nginx 5180 vbart 20 0 25232 1952 1156 R 0.0 0.0 0:00.45 top 4651 vbart 20 0 20032 752 252 S 0.0 0.0 0:00.00 nginx 25921 vbart 20 0 121956 2176 1000 S 0.0 0.0 0:01.98 sshd 25923 vbart 20 0 40304 3840 2208 S 0.0 0.0 0:00.54 zsh
如上所示，基準測試中還有大量的CPU資源剩餘。
wrk的結果如下：
Running 1m test @ http://192.0.2.1:8000/1/1/1 12 threads and 50 connections Thread Stats Avg Stdev Max +/- Stdev Latency 226.32ms 392.76ms 1.72s 93.48% Req/Sec 20.02 10.84 59.00 65.91% 15045 requests in 1.00m, 58.86GB read Requests/sec: 250.57 Transfer/sec: 0.98GB
伺服器處理4MB文件的平均時間從7.42秒降到226.32毫秒（減少了33倍），每秒請求處理數提升了31倍（250 vs 8）！
對此，我們的解釋是請求不再因為工作進程被阻塞在讀文件，而滯留在事件隊列中，等待處理，它們可以被空閑的進程處理掉。只要磁碟子系統能做到最好，就能服務好第一個客戶端上的隨機負載，NGINX可以使用剩餘的CPU資源和網路容量，從記憶體中讀取，以服務於上述的第二個客戶端的請求。
5. 依然沒有銀彈
在拋出我們對阻塞操作的擔憂並給出一些令人振奮的結果後，可能大部分人已經打算在你的伺服器上配置線程池了。先彆著急。
實際上，最幸運的情況是，讀取和發送文件操作不去處理緩慢的硬碟驅動器。如果我們有足夠多的記憶體來存儲數據集，那麼操作系統將會足夠聰明地在被稱作“頁面緩存”的地方，緩存頻繁使用的文件。
“頁面緩存”的效果很好，可以讓NGINX在幾乎所有常見的用例中展示優異的性能。從頁面緩存中讀取比較快，沒有人會說這種操作是“阻塞”。而另一方面，卸載任務到一個線程池是有一定開銷的。
因此，如果記憶體有合理的大小並且待處理的數據集不是很大的話，那麼無需使用線程池，NGINX已經工作在最優化的方式下。
卸載讀操作到線程池是一種適用於非常特殊任務的技術。只有當經常請求的內容的大小，不適合操作系統的虛擬機緩存時，這種技術才是最有用的。至於可能適用的場景，比如，基於NGINX的高負載流媒體伺服器。這正是我們已經模擬的基準測試的場景。
我們如果可以改進卸載讀操作到線程池，將會非常有意義。我們只需要知道所需的文件數據是否在記憶體中，只有不在記憶體中時，讀操作才應該卸載到一個單獨的線程中。
再回到售貨員那個比喻的場景中，這回，售貨員不知道要買的商品是否在店裡，他必須要麼總是將所有的訂單提交給配貨服務，要麼總是親自處理它們。
人艱不拆，操作系統缺少這樣的功能。第一次嘗試是在2010年，人們試圖將這一功能添加到Linux作為fincore()系統調用，但是沒有成功。後來還有一些嘗試，是使用RWF_NONBLOCK標記作為preadv2()系統調用來實現這一功能（詳情見LWN.net上的非阻塞緩衝文件讀取操作和非同步緩衝讀操作）。但所有這些補丁的命運目前還不明朗。悲催的是，這些補丁尚沒有被內核接受的主要原因，貌似是因為曠日持久的撕逼大戰（bikeshedding）。
另一方面，FreeBSD的用戶完全不必擔心。FreeBSD已經具備足夠好的非同步讀取文件介面，我們應該用這個介面而不是線程池。
6. 配置線程池
所以，如果你確信在你的場景中使用線程池可以帶來好處，那麼現在是時候深入瞭解線程池的配置了。
線程池的配置非常簡單、靈活。首先，獲取NGINX 1.7.11或更高版本的源代碼，使用--with-threads配置參數編譯。在最簡單的場景中，配置看起來很朴實。我們只需要在http、 server，或者location上下文中包含aio threads指令即可：
aio threads;
這是線程池的最簡配置。實際上的精簡版本示例如下：
thread_pool default threads=32 max_queue=65536; aio threads=default;
這裡定義了一個名為“default”，包含32個線程，任務隊列最多支持65536個請求的線程池。如果任務隊列過載，NGINX將輸出如下錯誤日誌並拒絕請求：
thread pool "NAME" queue overflow: N tasks waiting
錯誤輸出意味著線程處理作業的速度有可能低於任務入隊的速度了。你可以嘗試增加隊列的最大值，但是如果這無濟於事，那麼這說明你的系統沒有能力處理如此多的請求了。
正如你已經註意到的，你可以使用thread_pool指令，配置線程的數量、隊列的最大值，以及線程池的名稱。最後要說明的是，可以配置多個獨立的線程池，將它們置於不同的配置文件中，用做不同的目的：
http { thread_pool one threads=128 max_queue=0; thread_pool two threads=32; server { location /one { aio threads=one; } location /two { aio threads=two; } } … }
如果沒有指定max_queue參數的值，預設使用的值是65536。如上所示，可以設置max_queue為0。在這種情況下，線程池將使用配置中全部數量的線程，儘可能地同時處理多個任務；隊列中不會有等待的任務。
現在，假設我們有一臺伺服器，掛了3塊硬碟，我們希望把該伺服器用作“緩存代理”，緩存後端伺服器的全部響應信息。預期的緩存數據量遠大於可用的記憶體。它實際上是我們個人CDN的一個緩存節點。毫無疑問，在這種情況下，最重要的事情是發揮硬碟的最大性能。
我們的選擇之一是配置一個RAID陣列。這種方法毀譽參半，現在，有了NGINX，我們可以有其他的選擇：
# 我們假設每塊硬碟掛載在相應的目錄中：/mnt/disk1、/mnt/disk2、/mnt/disk3 proxy_cache_path /mnt/disk1 levels=1:2 keys_zone=cache_1:256m max_size=1024G use_temp_path=off; proxy_cache_path /mnt/disk2 levels=1:2 keys_zone=cache_2:256m max_size=1024G use_temp_path=off; proxy_cache_path /mnt/disk3 levels=1:2 keys_zone=cache_3:256m max_size=1024G use_temp_path=off; thread_pool pool_1 threads=16; thread_pool pool_2 threads=16; thread_pool pool_3 threads=16; split_clients $request_uri $disk { 33.3% 1; 33.3% 2; * 3; } location / { proxy_pass http://backend; proxy_cache_key $request_uri; proxy_cache cache_$disk; aio threads=pool_$disk; sendfile on; }
在這份配置中，使用了3個獨立的緩存，每個緩存專用一塊硬碟，另外，3個獨立的線程池也各自專用一塊硬碟。
緩存之間（其結果就是磁碟之間）的負載均衡使用split_clients模塊，split_clients非常適用於這個任務。
在 proxy_cache_path指令中設置use_temp_path=off，表示NGINX會將臨時文件保存在緩存數據的同一目錄中。這是為了避免在更新緩存時，磁碟之間互相複製響應數據。
這些調優將帶給我們磁碟子系統的最大性能，因為NGINX通過單獨的線程池並行且獨立地與每塊磁碟交互。每塊磁碟由16個獨立線程和讀取和發送文件專用任務隊列提供服務。
我敢打賭，你的客戶喜歡這種量身定製的方法。請確保你的磁碟也持有同樣的觀點。
這個示例很好地證明瞭NGINX可以為硬體專門調優的靈活性。這就像你給NGINX下了一道命令，讓機器和數據用最佳姿勢來搞基。而且，通過NGINX在用戶空間中細粒度的調優，我們可以確保軟體、操作系統和硬體工作在最優模式下，儘可能有效地利用系統資源。
7. 總結
綜上所述，線程池是一個偉大的功能，將NGINX推向了新的性能水平，除掉了一個眾所周知的長期危害——阻塞——尤其是當我們真正面對大量內容的時候。
甚至，還有更多的驚喜。正如前面提到的，這個全新的介面，有可能沒有任何性能損失地卸載任何長期阻塞操作。NGINX在擁有大量的新模塊和新功能方面，開闢了一方新天地。許多流行的庫仍然沒有提供非同步非阻塞介面，此前，這使得它們無法與NGINX相容。我們可以花大量的時間和資源，去開發我們自己的無阻塞原型庫，但這麼做始終都是值得的嗎？現在，有了線程池，我們可以相對容易地使用這些庫，而不會影響這些模塊的性能。
英文原文：Thread Pools in NGINX Boost Performance 9x!
