很多Node.js初學者都會有這樣的疑惑，Node.js到底是單線程的還是多線程的？通過本章的學習，能夠讓讀者較為清晰的理解Node.js對于單/多線程的關系和支持情況。同時本章還將列舉一些讓Node.js的web服務器線程阻塞的例子，最后會提供Node.js碰到這類cpu密集型問題的解決方案。
在學習本章之前，讀者需要對Node.js有一個初步的認識，熟悉Node.js基本語法、cluster模塊、child_process模塊和express框架；接觸過apache的http壓力測試工具ab；了解一般web服務器對于靜態文件的處理流程。
Node.js和PHP
早期有很多關于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優于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，不會拖垮整個服務器。 PHP代碼只運行在自己的進程范圍中，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，整個服務器都會受到影響。
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優于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內存而擔憂。而Node.js的進程需要運行很長一段時間，你需要小心并妥善管理好內存。比如，如果你忘記從全局數據中刪除條目，這會輕易的導致內存泄露。
在這里我們并不想引起一次關于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。我們可以通過下面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后，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只需要在內存里定義一個變量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/');
但是對于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瀏覽器里證明了它的性能，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高效性能的同時也注定了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，但也并非十全十美，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服務器做過壓力測試的朋友可能發現，Node.js在大負荷下對內存占用仍然很低，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內存，很可能會導致服務器因物理內存耗盡而頻繁交換，失去響應。
線程安全
單線程的js還保證了絕對的線程安全，不用擔心同一變量同時被多個線程進行讀寫而造成的程序崩潰。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變量進行讀寫的情況，我們的統計代碼就算是成百的并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，就會面臨并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量加鎖或者解鎖造成的悲劇。
單線程的異步和非阻塞
Node.js是單線程的，但是它如何做到I/O的異步和非阻塞的呢？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，里面會用到libuv來處理I/O，所以在我們看來Node.js的代碼就是非阻塞和異步形式的。
阻塞/非阻塞與異步/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，然后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，排在我后面的人就開始點餐，這樣整個食堂的點餐服務并沒有因為我在等待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了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，叫號就等于執行了回調，就是異步非阻塞了。
阻塞的單線程
既然Node.js是單線程異步非阻塞的，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后很久才拿到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同時執行帶來的沖突問題，這對于我們編碼帶來很多的便利。
但是對于在服務端執行的Node.js，它可能每秒有上百個請求需要處理，對于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++){//執行長循環
? ? }
}, 1000);
setTimeout(function () {
? ? console.log(Date.now() - start);
}, 2000);
最終我們的打印結果是：（結果可能因為你的機器而不同）
1000
3738
對于我們期望2秒后執行的setTimeout函數其實經過了3738毫秒之后才執行，換而言之，因為執行了一個很長的for循環，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，那么其余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并發，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，那么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10億次循環
? ? console.log(Date.now() - start);
? ? for (var i = 0; i < 1000000000; i++){}
});
setTimeout(function () { //因為10億次循環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的核心模塊并沒有提供這樣的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');//加載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);//打印fibo執行35次的結果
});
console.log('not block');//打印信息了，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，把結果打印到屏幕上，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，每一項都等于前兩項之和：0、1、1、2、3、5、8、13、21、……。
注意我們上面代碼的斐波那契數組算法并不是最優算法，只是為了模擬cpu密集型計算任務。
由于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，發布了tagg2包。tagg2包同樣具有tagg包的多線程功能，采用新的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服務器代碼：
var express = require('express');
var tagg2 = require("tagg2");
var app = express();
var th_func = function(){//線程執行函數，以下內容會在線程中執行
? ? 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服務器，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后將結果響應給客戶端。由于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客戶端并發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，用于進行HTTP服務器的性能測試，可以同時模擬多個并發請求。
我們的測試硬件：linux 2.6.4 4cpu 8G 64bit，網絡環境則是內網。
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表示每秒我們服務器處理的任務數量，這里是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)表示當前這個并發量下處理每組請求的時間，而下面這個Time per request:56.058 [ms](mean, across all concurrent requests)表示每個用戶平均處理時間，因為我們本次測試并發是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]。
另外我們看下最后帶有百分比的列表，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？我們在同樣的網絡環境和測試機上運行如下代碼：
var cluster = require('cluster');//加載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');
}
在終端屏幕上打印了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之后，用同樣的ab壓力測試命令對8124端口進行測試，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服務器整體的吞吐率下降了；然后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。
最后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，但是對于每個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進程之后，新來的用戶請求就只能等待了，最后造成了先到的用戶處理時間短，后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
大家看到這里是不是開始心潮澎湃，感覺js一統江湖的時代來臨了，單線程異步非阻塞的模型可以勝任大并發，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實例并行運行。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變量，這條規則將直接導致我們之前的tagg2里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原生的大量計算或循環可以使用tagg2，Node.js核心api因為無法從主線程共享對象的關系，也就不能跨線程使用了。
libuv
最后，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是一個跨平臺的異步I/O庫，它主要用于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事件循環，Filesystem文件系統，Networking網絡支持，Threads線程，Processes進程，Utilities其他工具。
在Node.js核心api中的異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支持多線程并基于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程序更加健壯，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，然后自動退出，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端口，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。
下面是被fork的work_fibo.js文件內容：
var fibo = function fibo (n) {//定義算法
? 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，然后監聽了主線程發來的消息，計算完畢之后將結果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。
這里我們有一點需要注意，主線程的kill方法并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();。
下面我們用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個并發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于線程，所以在性能方面略低于tagg2，不過相對于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程序時，node命令可以帶上-e這個參數，它將直接執行-e后面的字符串，如下代碼就將打印出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后面的參數
? var spawn_cmd = '('+spawn_worker.toString()+'('+n+','+spawn_end.toString()+'));'
? console.log(spawn_cmd);//注意這個打印結果
? 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，我們主要關注3個地方。
第一、我們定義了spawn_worker函數，他其實就是將會在-e后面執行的工作函數，所以我們把計算斐波那契數組的算法定義在內，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腳步執行的字符串其實就是spawn_cmd里的內容，它的內容我們通過運行之后的打印信息，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，當子進程退出之后把結果響應給用戶。
現在主要的焦點就是變量spawn_cmd到底保存了什么，我們打開瀏覽器在地址欄里輸入：
http://127.0.0.1:8124/?n=35
下面就是程序運行之后的打印信息，
(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();
}));
對于在子進程執行的工作函數的兩個參數n和end現在一目了然，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，在標準輸出中打印計算結果然后退出進程。
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，下面就拿我們最常見的http web服務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，為響應作準備。 3、然后判斷文件的MIME類型，如果是類似html，js，css等靜態資源，還需要gzip壓縮之后傳輸給客戶端 4、最后將gzip壓縮完成的靜態文件響應給客戶端。
下面是一個正常成功的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算法，其中每個異步的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：
由于全部工作都是在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());? //默認值是 [['/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，我們在這里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
由于在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壓縮之后的，所以ifile將會把壓縮之后的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；最后，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么樣的結果，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，注意這里我們使用：
app.use('/static', express.static(__dirname + '/static'));
而不是：
app.use(express.static(__dirname));
后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。然后我們執行相同的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并不是沒有損耗的。
但是當我在express的谷歌論壇里貼上這些測試結果，并宣傳ifile包的時候，express的作者TJ，給出了不一樣的評價，他在回復中說道：
請牢記你可能不需要這么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，這樣的壓力甚至于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并不是很理智。
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程序。
單線程異步的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，影響整個程序的性能，所以我們要非常小心的處理大量的循環，字符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/進程的使用并不是沒有開銷的，盡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。
最后請不要一味的追求高性能和高并發，因為我們可能不需要系統具有那么大的吞吐率。高效，敏捷，低成本的開發才是項目所需要的，這也是為什么Node.js能夠在眾多開發語言中脫穎而出的關鍵。
參考文獻：
http://smashingnode.comSmashing Node.JS By Guillermo Rauch
http://bjouhier.wordpress.com/2012/03/11/fibers-and-threads-in-node-js-what-forFibers and Threads in node.js – what for? By Bruno's Ramblings
https://github.com/xk/node-threads-a-gogoTAGG: Threads à gogo for Node.js By Jorge Chamorro Bieling
https://code.google.com/p/v8/Google v8
https://github.com/joyent/libuvlibuv by joyent
本文轉自：https://www.cnblogs.com/chris-oil/p/5339305.html
