關於Nodejs的多進程模塊Cluster

關於Nodejs的多進程模塊Cluster

 

前述

　　咱們都知道nodejs最大的特色就是單進程、無阻塞運行，而且是異步事件驅動的。Nodejs的這些特性可以很好的解決一些問題，例如在服務器開發中，併發的請求處理是個大問題，阻塞式的函數會致使資源浪費和時間延遲。經過事件註冊、異步函數，開發人員能夠提升資源的利用率，性能也會改善。既 然Node.js採用單進程、單線程模式，那麼在現在多核硬件流行的環境中，單核性能出色的Nodejs如何利用多核CPU呢？創始人Ryan Dahl建議，運行多個Nodejs進程，利用某些通訊機制來協調各項任務。目前，已經有很多第三方的Node.js多進程支持模塊發佈，而NodeJS 0.6.x 以上的版本提供了一個cluster模塊 ,容許建立「共享同一個socket」的一組進程,用來分擔負載壓力。本篇文章就基於該cluster模塊來說述Node.js在多核CPU下的編程。

Cluster模塊介紹

　　nodejs所提供的cluster模塊目前尚處於試驗階段，在v0.10.7的官方文檔上咱們能夠看到模塊的發佈信息以下：

Stability: 1 - Experimental

關於該模塊的功能，源文檔描述如此「A single instance of Node runs in a single thread. To take advantage of multi-core systems the user will sometimes want to launch a cluster of Node processes to handle the load.」 其意就是：Node的示例以單進程的模式運行，有時爲了充分利用多核系統的資源用戶須要運行一組Node進程來分擔負載。

Cluster用法介紹

　　首先貼出一段該模塊示例應用代碼，接下來進行詳細分析，代碼以下：

var cluster = require('cluster');
var http = require('http');
var numCPUs = require('os').cpus().length;

if (cluster.isMaster) {
  require('os').cpus().forEach(function(){
    cluster.fork();
  });
  cluster.on('exit', function(worker, code, signal) {
    console.log('worker ' + worker.process.pid + ' died');
  });
  cluster.on('listening', function(worker, address) {  
    console.log("A worker with #"+worker.id+" is now connected to " +
     address.address +
    ":" + address.port);  
  }); 
} else {
  http.createServer(function(req, res) {
    res.writeHead(200);
    res.end("hello world\n");
    console.log('Worker #' + cluster.worker.id + ' make a response');
  }).listen(8000);
}

這段代碼很簡單，主線程就是當前運行的js文件，主線程根據你本機系統的核數來建立子進程。全部進程共享一個監聽端口8000，當有請求發起時，主 線程會將該請求隨機分配給某個子進程。console.log('Worker #' + cluster.worker.id + ' make a response');這句代碼能夠打印出是哪一個進程處理該請求。

問題分析

　　咱們前面提到有請求發起時，由系統來決定將該請求交給哪一個進程進行處理。這種徹底依賴於系統的負載均衡存在着一個重要缺陷：在 windows，linux和Solaris上，只要某個子進程的accept queue爲空（一般爲最後建立的那個子進程），系統就會將多個connetion分配到同一個子進程上，這會形成進程間負載極爲不均衡。特別是在使用長 鏈接的時候，單位時間內的new coming connection並不高，子進程的accept queue每每均爲空，就會致使connection會不停的分配給同一個進程。因此這種負載均衡徹底依賴於accept queue的空閒程度，只有在使用短鏈接，並且併發很是高的狀況下，才能達到負載均衡，可是這個時候系統的load會很是高，系統也會變得不穩定起來。

 

轉自（http://www.cnblogs.com/CodeGuy/archive/2013/05/24/3096601.html）