异步Servlet在什么样的场景下能发挥作用?

1 篇文章 0 订阅
从 Servlet 3.0开始, 异步Servlet成为了标准, 在此之前类似jetty这样的web服务器都已经有了自己的实现. 从2011年3月份 Servlet 3.0 的最终规范出来到现在4年已经过去了, 似乎在实际项目上看到的用异步方式处理HTTP请求的例子并不多. 我想不是因为异步Servlet太复杂, 也不是因为异步Servlet的实现不稳定, 而是多数情况下人们找不到应用他的场景. 我在2年前的一个即时通信工具的web版上采用了异步Servlet, 但是由于没有做完整的性能测试, 也不知道那个选择是否正确.

这几天做了一些小测试, 想验证一下什么样的场景下适合用异步Servlet.
代码地址: [url]https://github.com/zjumty/spring-async-perftest[/url]

首先讲一下异步Servlet的基本用法:

从Servlet 3.0开始, HttpServletRequest多了一个startAsync方法, 这个方法返回一个AsyncContext对象. 简单来讲异步Servlet就是用这个东西.

想要你的Servlet支持异步处理,你还需要在web.xml的servlet上加上如下属性:

<async-supported>true</async-supported>


在你的Servlet的doXXX方法中, 调用request.startAsync()方法, 得到一个AsyncContext对象, 你然后就可以让你的doXXX方法结束了, 这时这个HTTP请求的处理线程就已经完成任务了, 可以继续为后续的请求提供服务器. 再此之前你需要把AsyncContext传递给其他的工作线程(多采用线程池或或异步回调方法), 在那个线程的处理完成后, 把数据通过AsyncContext里的Response对象发送给浏览器, 然后调用AsyncContext中的complete方法完成本次HTTP的流程.

在客户端浏览器来看, 仍然是一个Request, 一个Response, 中间没有什么中断. 在startAsync以后, 当前的请求就会pending在一个队列中而不用持续占用一个线程.

当时实际上, 异步Servlet有很多方法, 处理逻辑也可以很复杂.

在本文的代码中没有采用上面这种原始的方式,而是采用Spring MVC的异步功能, 实现起来更简单.


@Controller
@RequestMapping("/foo")
public class FooController {
@Autowired
@Qualifier("workerPool")
private ExecutorService workerPool;

@RequestMapping("/async-100ms")
public @ResponseBody DeferredResult<FooBean> async100ms() throws Exception {
DeferredResult<FooBean> defer = new DeferredResult<>(120000);
workerPool.submit(() -> {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
e.printStackTrace();
}
defer.setResult(new FooBean());
});
return defer;
}
}


同时@Conntroller, 同样是@RequestMapping, 不同的只有返回值是DeferredResult, 一切就这么简单.

后面Spring其实也是用异步Servlet的那些方法和对象实现的. 上面的代码中我们设置了timeout时间为2分钟. 默认是30秒, 如果处理时间一长, 客户端就收到503错误.

为了有对照这里还增加了一些同步方法.


@RequestMapping("/sync-100ms")
public @ResponseBody FooBean sync100ms() throws Exception {
Future<FooBean> future = workerPool.submit(() ->
{
Thread.sleep(100);
return new FooBean();
});
return future.get();
}


还有一个没有延迟的处理:


@RequestMapping("/nodelay")
public @ResponseBody FooBean nodelay() throws Exception {
return new FooBean();
}


考虑到jetty的工作线程多少也会影响到结果. 所以我分别用16线程和200线程两个环境做了测试.

因为我是用的spring-boot的内嵌jetty模式, 改变工作线程数稍微有点小复杂.


@Configuration
public class JettyConfiguration {

@Value("${jetty.threadPool.minSize}")
private int minSize;

@Value("${jetty.threadPool.maxSize}")
private int maxSize;

@Bean
public JettyEmbeddedServletContainerFactory jettyEmbeddedServletContainerFactory() {
JettyEmbeddedServletContainerFactory factory = new JettyEmbeddedServletContainerFactory();
factory.addServerCustomizers(server -> {
QueuedThreadPool threadPool = (QueuedThreadPool) server.getThreadPool();
threadPool.setMaxThreads(maxSize);
threadPool.setMinThreads(minSize);
threadPool.setName("jetty-");
});

return factory;
}
}


其实也没复杂到哪里去 :D . 我在application.yml文件里预置了16和200线程两种.通过启动参数可以选择:


java -jar -Xmx2048m async-0.0.1.jar --server.port=9000 --spring.profiles.active=dev


当然也可以通过-Djetty.threadPool.maxSize=n来任意指定.

测试环境: 这次小奢侈一把, 动用了公司的测试服务器:Intel(R) Xeon(R) CPU E5-2643 v2 @ 3.50GHz 6*4 (反正闲着也是闲着嘛 :lol: )

首先看看单场景异步模式和同步模式的区别:

[quote]
./wrk -c 100 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/async-100ms

Running 1m test @ http://192.168.200.23:9000/foo/async-100ms
8 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 609.43ms 32.22ms 724.79ms 98.11%
Req/Sec 25.65 16.62 90.00 74.23%
9360 requests in 1.00m, 2.41MB read
Requests/sec: 155.83
Transfer/sec: 41.09KB

./wrk -c 100 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/sync-100ms

Running 1m test @ http://192.168.200.23:9000/foo/sync-100ms
8 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 605.78ms 43.94ms 706.07ms 96.43%
Req/Sec 28.31 23.22 90.00 73.35%
9408 requests in 1.00m, 2.42MB read
Requests/sec: 156.64
Transfer/sec: 41.30KB
[/quote]

哦! wrk是啥? 看这里:
https://github.com/wg/wrk


上面的结果可以看出, 基本没有区别.无论你用那种模式由于延迟的存在, CPU的利用率都不高. 所有即便同步模式下有频繁的线程切换, 只是CPU的利用率稍稍搞了一点. 吞吐量是一样的.

在来看看服务器线程数对性能的影响


./wrk -c 5000 -t 16 -d 60 --timeout=120 http://192.168.200.23:9000/foo/nodelay


200 Threads

Running 1m test @ http://192.168.200.23:9000/foo/nodelay
16 threads and 5000 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 104.23ms 31.37ms 2.00s 93.20%
Req/Sec 2.98k 276.67 6.04k 87.11%
2844140 requests in 1.00m, 732.35MB read
Requests/sec: 47324.93
Transfer/sec: 12.19MB


16 Threads

Running 1m test @ http://192.168.200.23:9000/foo/nodelay
16 threads and 5000 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 91.36ms 76.54ms 3.97s 98.46%
Req/Sec 3.49k 473.18 11.44k 86.49%
3341535 requests in 1.00m, 860.42MB read
Requests/sec: 55628.92
Transfer/sec: 14.32MB


线程少时吞吐量更好. 意料之中, 频繁线程切换回消耗一定的资源.

再来看看异步模式下的16线程和200线程


./wrk -c 5000 -t 16 -d 60 --timeout=120 http://192.168.200.23:9000/foo/async-100ms


200 Threads

Running 1m test @ http://192.168.200.23:9000/foo/async-100ms
16 threads and 500 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 3.05s 502.13ms 4.64s 93.47%
Req/Sec 20.05 21.61 121.00 87.01%
9373 requests in 1.00m, 2.41MB read
Requests/sec: 155.99
Transfer/sec: 41.13KB


16 Threads

Running 1m test @ http://192.168.200.23:9000/foo/async-100ms
16 threads and 500 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 3.05s 448.49ms 3.29s 94.05%
Req/Sec 25.65 31.66 161.00 84.48%
9408 requests in 1.00m, 2.42MB read
Requests/sec: 156.62
Transfer/sec: 41.30KB


基本没有区别.原因跟第一个场景一样.

混合场景: 延迟和非延迟 1:9的请求, 也就是说有少量的高延迟访问, 大量的低延迟访问

高延迟采用异步模式:


./wrk -c 900 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/nodelay
Running 1m test @ http://192.168.200.23:9000/foo/nodelay
8 threads and 900 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 16.13ms 24.54ms 863.32ms 97.81%
Req/Sec 8.36k 689.01 11.18k 87.42%
3993216 requests in 1.00m, 1.00GB read
Requests/sec: 66512.06
Transfer/sec: 17.13MB

./wrk -c 100 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/async-100ms
Running 1m test @ http://192.168.200.23:9000/foo/async-100ms
8 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 610.82ms 35.10ms 816.95ms 97.39%
Req/Sec 24.43 23.64 111.00 88.33%
9392 requests in 1.00m, 2.42MB read
Requests/sec: 156.39
Transfer/sec: 41.23KB


高延迟采用同步模式


./wrk -c 900 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/nodelay
Running 1m test @ http://192.168.200.23:9000/foo/nodelay
8 threads and 900 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 213.21ms 214.30ms 863.02ms 75.67%
Req/Sec 640.82 1.75k 11.60k 94.33%
306108 requests in 1.00m, 78.82MB read
Requests/sec: 5098.09
Transfer/sec: 1.31MB

./wrk -c 100 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/sync-100ms
Running 1m test @ http://192.168.200.23:9000/foo/sync-100ms
8 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 610.71ms 30.23ms 831.14ms 98.95%
Req/Sec 30.99 30.55 111.00 82.36%
9392 requests in 1.00m, 2.42MB read
Requests/sec: 156.38
Transfer/sec: 41.23KB


Oh,Yeah! 终于看到区别了, 差了10倍多!

在同步模式下由于Http线程被高延迟处理霸占, 没有其他线程处理低延迟请求. 而异步模式下由于高延迟处理不霸占HTTP线程, 所以低延迟的请求基本上没有受到影响.

上面的测试是在服务器设置了16线程的情况下执行的. 如果高延迟处理占用了线程, 那我们把服务器线程设置为200再试试.

同步模式:


./wrk -c 900 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/nodelay
Running 1m test @ http://192.168.200.23:9000/foo/nodelay
8 threads and 900 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 25.36ms 99.18ms 3.33s 99.21%
Req/Sec 5.90k 0.87k 8.96k 92.58%
2819464 requests in 1.00m, 725.99MB read
Requests/sec: 46961.89
Transfer/sec: 12.09MB

./wrk -c 100 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/sync-100ms
Running 1m test @ http://192.168.200.23:9000/foo/sync-100ms
8 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 610.49ms 37.34ms 689.02ms 97.20%
Req/Sec 25.67 21.57 101.00 72.72%
9359 requests in 1.00m, 2.41MB read
Requests/sec: 155.80
Transfer/sec: 41.08KB


可以看到同步模式比之前的结果好多了, 也就是高延迟处理不会对低延迟有很大影响, 但是任然比异步模式差.

再看看200线程的异步模式的结果:

./wrk -c 900 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/nodelay
Running 1m test @ http://192.168.200.23:9000/foo/nodelay
8 threads and 900 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 20.05ms 18.33ms 890.99ms 92.99%
Req/Sec 6.01k 561.72 13.69k 90.15%
2874649 requests in 1.00m, 740.20MB read
Requests/sec: 47831.09
Transfer/sec: 12.32MB

./wrk -c 100 -t 8 -d 60 --timeout=120 http://192.168.200.23:9000/foo/async-100ms
Running 1m test @ http://192.168.200.23:9000/foo/async-100ms
8 threads and 100 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 613.31ms 27.23ms 721.98ms 96.03%
Req/Sec 24.51 18.56 90.00 70.81%
9349 requests in 1.00m, 2.41MB read
Requests/sec: 155.68
Transfer/sec: 41.05KB


可以看到在200线程的异步模式只比同步模式好一点点.

[color=red]所以综合上面的测试结果, 可以得到如下结论: 异步Servlet模式在单场景和同步模式下几乎没有差别. 由于开发上更复杂所以没什么可取之处. 建议直接用同步模式. 在混合场景中如果是大量低延迟处理+少量高延迟处理的情况下, 由于异步模式不占用服务器线程, 可以有效减少服务器上的线程切换的资源消耗, 并且充分利用系统资源, 是有可取之处的.[/color]

上面测试的最佳结果的配置:

[b]jetty服务器线程池16线程, 低延迟处理立刻返回, 高延迟处理延迟100毫秒. 低延迟和高延迟请求比9:1.[/b]

最后想说的是, 如果想让异步处理在系统的整体性能方面起作用, 最好把整个系统都设计成异步的, 也就是Reactive模式的. 否则有一个同步的地方卡在那里, 整体上就不会看到异步带来哦好处.
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值