1. 背景
1.1. 惊人的性能数据
近期一个圈内朋友通过私信告诉我，通过使用Netty4 + Thrift压缩二进制编解码技术，他们实现了10W TPS（1K的复杂POJO对象）的跨节点远程服务调用。相比于传统基于Java序列化+BIO（同步堵塞IO）的通信框架。性能提升了8倍多。
其实，我对这个数据并不感到吃惊，依据我5年多的NIO编程经验。通过选择合适的NIO框架，加上高性能的压缩二进制编解码技术，精心的设计Reactor线程模型，达到上述性能指标是全然有可能的。
以下我们就一起来看下Netty是怎样支持10W TPS的跨节点远程服务调用的，在正式開始解说之前，我们先简介下Netty。
1.2. Netty基础入门
Netty是一个高性能、异步事件驱动的NIO框架，它提供了对TCP、UDP和文件传输的支持，作为一个异步NIO框架。Netty的全部IO操作都是异步非堵塞的，通过Future-Listener机制。用户能够方便的主动获取或者通过通知机制获得IO操作结果。
作为当前最流行的NIO框架。Netty在互联网领域、大数据分布式计算领域、游戏行业、通信行业等获得了广泛的应用，一些业界著名的开源组件也基于Netty的NIO框架构建。
2. Netty高性能之道
2.1. RPC调用的性能模型分析
2.1.1. 传统RPC调用性能差的三宗罪
网络传输方式问题：传统的RPC框架或者基于RMI等方式的远程服务（过程）调用採用了同步堵塞IO。当client的并发压力或者网络时延增大之后。同步堵塞IO会因为频繁的wait导致IO线程常常性的堵塞。因为线程无法高效的工作，IO处理能力自然下降。
以下，我们通过BIO通信模型图看下BIO通信的弊端：
图2-1 BIO通信模型图
採用BIO通信模型的服务端，通常由一个独立的Acceptor线程负责监听client的连接。接收到client连接之后为client连接创建一个新的线程处理请求消息，处理完毕之后，返回应答消息给client，线程销毁，这就是典型的一请求一应答模型。该架构最大的问题就是不具备弹性伸缩能力，当并发訪问量添加后，服务端的线程个数和并发訪问数成线性正比，因为线程是JAVA虚拟机很宝贵的系统资源，当线程数膨胀之后，系统的性能急剧下降。随着并发量的继续添加。可能会发生句柄溢出、线程堆栈溢出等问题，并导致server终于宕机。
序列化方式问题：Java序列化存在例如以下几个典型问题：
1) Java序列化机制是Java内部的一种对象编解码技术，无法跨语言使用；比如对于异构系统之间的对接，Java序列化后的码流须要可以通过其他语言反序列化成原始对象（副本），眼下非常难支持。
2) 相比于其他开源的序列化框架，Java序列化后的码流太大，不管是网络传输还是持久化到磁盘，都会导致额外的资源占用；
3) 序列化性能差（CPU资源占用高）。
线程模型问题：因为採用同步堵塞IO，这会导致每一个TCP连接都占用1个线程，因为线程资源是JVM虚拟机很宝贵的资源，当IO读写堵塞导致线程无法及时释放时，会导致系统性能急剧下降，严重的甚至会导致虚拟机无法创建新的线程。
2.1.2. 高性能的三个主题
1) 传输：用什么样的通道将数据发送给对方。BIO、NIO或者AIO。IO模型在非常大程度上决定了框架的性能。
2) 协议：採用什么样的通信协议，HTTP或者内部私有协议。协议的选择不同。性能模型也不同。相比于公有协议，内部私有协议的性能通常能够被设计的更优。
3) 线程：数据报怎样读取？读取之后的编解码在哪个线程进行。编解码后的消息怎样派发，Reactor线程模型的不同，对性能的影响也很大。
图2-2 RPC调用性能三要素
2.2. Netty高性能之道
2.2.1. 异步非堵塞通信
在IO编程过程中，当须要同一时候处理多个client接入请求时，能够利用多线程或者IO多路复用技术进行处理。IO多路复用技术通过把多个IO的堵塞复用到同一个select的堵塞上，从而使得系统在单线程的情况下能够同一时候处理多个client请求。
与传统的多线程/多进程模型比，I/O多路复用的最大优势是系统开销小。系统不须要创建新的额外进程或者线程。也不须要维护这些进程和线程的执行，减少了系统的维护工作量，节省了系统资源。
JDK1.4提供了对非堵塞IO（NIO）的支持。JDK1.5_update10版本号使用epoll替代了传统的select/poll。极大的提升了NIO通信的性能。
JDK NIO通信模型例如以下所看到的：
图2-3 NIO的多路复用模型图
与Socket类和ServerSocket类相相应，NIO也提供了SocketChannel和ServerSocketChannel两种不同的套接字通道实现。
这两种新增的通道都支持堵塞和非堵塞两种模式。
堵塞模式使用很easy，可是性能和可靠性都不好。非堵塞模式正好相反。开发者一般能够依据自己的须要来选择合适的模式，一般来说。低负载、低并发的应用程序能够选择同步堵塞IO以减少编程复杂度。可是对于高负载、高并发的网络应用，须要使用NIO的非堵塞模式进行开发。
Netty架构依照Reactor模式设计和实现。它的服务端通信序列图例如以下：
图2-3 NIO服务端通信序列图
client通信序列图例如以下：
图2-4 NIOclient通信序列图
Netty的IO线程NioEventLoop因为聚合了多路复用器Selector，能够同一时候并发处理成百上千个clientChannel，因为读写操作都是非堵塞的。这就能够充分提升IO线程的执行效率。避免因为频繁IO堵塞导致的线程挂起。
另外，因为Netty採用了异步通信模式，一个IO线程能够并发处理N个client连接和读写操作，这从根本上攻克了传统同步堵塞IO一连接一线程模型，架构的性能、弹性伸缩能力和可靠性都得到了极大的提升。
2.2.2. 零拷贝
非常多用户都听说过Netty具有“零拷贝”功能。可是具体体如今哪里又说不清楚。本小节就具体对Netty的“零拷贝”功能进行解说。
Netty的“零拷贝”主要体如今例如以下三个方面：
1) Netty的接收和发送ByteBuffer採用DIRECT BUFFERS，使用堆外直接内存进行Socket读写，不须要进行字节缓冲区的二次拷贝。假设使用传统的堆内存（HEAP BUFFERS）进行Socket读写。JVM会将堆内存Buffer拷贝一份到直接内存中，然后才写入Socket中。
相比于堆外直接内存，消息在发送过程中多了一次缓冲区的内存拷贝。
2) Netty提供了组合Buffer对象，能够聚合多个ByteBuffer对象，用户能够像操作一个Buffer那样方便的对组合Buffer进行操作，避免了传统通过内存拷贝的方式将几个小Buffer合并成一个大的Buffer。
3) Netty的文件传输採用了transferTo方法，它能够直接将文件缓冲区的数据发送到目标Channel，避免了传统通过循环write方式导致的内存拷贝问题。
以下。我们对上述三种“零拷贝”进行说明，先看Netty 接收Buffer的创建：
图2-5 异步消息读取“零拷贝”
每循环读取一次消息。就通过ByteBufAllocator的ioBuffer方法获取ByteBuf对象，以下继续看它的接口定义：
图2-6 ByteBufAllocator 通过ioBuffer分配堆外内存
当进行Socket IO读写的时候，为了避免从堆内存拷贝一份副本到直接内存。Netty的ByteBuf分配器直接创建非堆内存避免缓冲区的二次拷贝，通过“零拷贝”来提升读写性能。
以下我们继续看另外一种“零拷贝”的实现CompositeByteBuf，它对外将多个ByteBuf封装成一个ByteBuf。对外提供统一封装后的ByteBuf接口，它的类定义例如以下：
图2-7 CompositeByteBuf类继承关系
通过继承关系我们能够看出CompositeByteBuf实际就是个ByteBuf的包装器。它将多个ByteBuf组合成一个集合，然后对外提供统一的ByteBuf接口，相关定义例如以下：
图2-8 CompositeByteBuf类定义
加入ByteBuf，不须要做内存拷贝。相关代码例如以下：
图2-9 新增ByteBuf的“零拷贝”
最后，我们看下文件传输的“零拷贝”：
图2-10 文件传输“零拷贝”
Netty文件传输DefaultFileRegion通过transferTo方法将文件发送到目标Channel中。以下重点看FileChannel的transferTo方法。它的API DOC说明例如以下：
图2-11 文件传输 “零拷贝”
对于非常多操作系统它直接将文件缓冲区的内容发送到目标Channel中，而不须要通过拷贝的方式，这是一种更加高效的传输方式。它实现了文件传输的“零拷贝”。
2.2.3. 内存池
随着JVM虚拟机和JIT即时编译技术的发展，对象的分配和回收是个很轻量级的工作。
可是对于缓冲区Buffer，情况却稍有不同，特别是对于堆外直接内存的分配和回收。是一件耗时的操作。为了尽量重用缓冲区，Netty提供了基于内存池的缓冲区重用机制。以下我们一起看下Netty ByteBuf的实现：
图2-12 内存池ByteBuf
Netty提供了多种内存管理策略，通过在启动辅助类中配置相关參数。能够实现差异化的定制。
以下通过性能測试，我们看下基于内存池循环利用的ByteBuf和普通ByteBuf的性能差异。
用例一，使用内存池分配器创建直接内存缓冲区：
图2-13 基于内存池的非堆内存缓冲区測试用例
用例二，使用非堆内存分配器创建的直接内存缓冲区：
图2-14 基于非内存池创建的非堆内存缓冲区測试用例
各运行300万次，性能对照结果例如以下所看到的：
图2-15 内存池和非内存池缓冲区写入性能对照
性能測试表明，採用内存池的ByteBuf相比于朝生夕灭的ByteBuf，性能高23倍左右（性能数据与使用场景强相关）。
以下我们一起简单分析下Netty内存池的内存分配：
图2-16 AbstractByteBufAllocator的缓冲区分配
继续看newDirectBuffer方法，我们发现它是一个抽象方法。由AbstractByteBufAllocator的子类负责详细实现，代码例如以下：
图2-17 newDirectBuffer的不同实现
代码跳转到PooledByteBufAllocator的newDirectBuffer方法，从Cache中获取内存区域PoolArena。调用它的allocate方法进行内存分配：
图2-18 PooledByteBufAllocator的内存分配
PoolArena的allocate方法例如以下：
图2-18 PoolArena的缓冲区分配
我们重点分析newByteBuf的实现，它相同是个抽象方法，由子类DirectArena和HeapArena来实现不同类型的缓冲区分配，因为測试用例使用的是堆外内存，
图2-19 PoolArena的newByteBuf抽象方法
因此重点分析DirectArena的实现：假设没有开启使用sun的unsafe，则
图2-20 DirectArena的newByteBuf方法实现
运行PooledDirectByteBuf的newInstance方法，代码例如以下：
图2-21 PooledDirectByteBuf的newInstance方法实现
通过RECYCLER的get方法循环使用ByteBuf对象，假设是非内存池实现，则直接创建一个新的ByteBuf对象。
从缓冲池中获取ByteBuf之后，调用AbstractReferenceCountedByteBuf的setRefCnt方法设置引用计数器，用于对象的引用计数和内存回收（类似JVM垃圾回收机制）。
2.2.4. 高效的Reactor线程模型
经常使用的Reactor线程模型有三种，分别例如以下：
1) Reactor单线程模型；
2) Reactor多线程模型；
3) 主从Reactor多线程模型
Reactor单线程模型，指的是全部的IO操作都在同一个NIO线程上面完毕，NIO线程的职责例如以下：
1) 作为NIO服务端。接收client的TCP连接；
2) 作为NIOclient，向服务端发起TCP连接；
3) 读取通信对端的请求或者应答消息。
4) 向通信对端发送消息请求或者应答消息。
Reactor单线程模型示意图例如以下所看到的：
图2-22 Reactor单线程模型
因为Reactor模式使用的是异步非堵塞IO，全部的IO操作都不会导致堵塞。理论上一个线程能够独立处理全部IO相关的操作。从架构层面看。一个NIO线程确实能够完毕其承担的职责。
比如。通过Acceptor接收client的TCP连接请求消息，链路建立成功之后，通过Dispatch将相应的ByteBuffer派发到指定的Handler上进行消息解码。用户Handler能够通过NIO线程将消息发送给client。
对于一些小容量应用场景，能够使用单线程模型。可是对于高负载、大并发的应用却不合适，主要原因例如以下：
1) 一个NIO线程同一时候处理成百上千的链路。性能上无法支撑。即便NIO线程的CPU负荷达到100%，也无法满足海量消息的编码、解码、读取和发送；
2) 当NIO线程负载过重之后。处理速度将变慢，这会导致大量client连接超时，超时之后往往会进行重发，这更加重了NIO线程的负载，终于会导致大量消息积压和处理超时，NIO线程会成为系统的性能瓶颈。
3) 可靠性问题：一旦NIO线程意外跑飞。或者进入死循环。会导致整个系统通信模块不可用。不能接收和处理外部消息。造成节点故障。
为了解决这些问题，演进出了Reactor多线程模型。以下我们一起学习下Reactor多线程模型。
Rector多线程模型与单线程模型最大的差别就是有一组NIO线程处理IO操作。它的原理图例如以下：
图2-23 Reactor多线程模型
Reactor多线程模型的特点：
1) 有专门一个NIO线程-Acceptor线程用于监听服务端，接收client的TCP连接请求；
2) 网络IO操作-读、写等由一个NIO线程池负责，线程池能够採用标准的JDK线程池实现，它包括一个任务队列和N个可用的线程。由这些NIO线程负责消息的读取、解码、编码和发送；
3) 1个NIO线程能够同一时候处理N条链路，可是1个链路仅仅相应1个NIO线程。防止发生并发操作问题。
在绝大多数场景下，Reactor多线程模型都能够满足性能需求；可是，在极特殊应用场景中。一个NIO线程负责监听和处理全部的client连接可能会存在性能问题。比如百万client并发连接，或者服务端须要对client的握手消息进行安全认证，认证本身很损耗性能。在这类场景下。单独一个Acceptor线程可能会存在性能不足问题。为了解决性能问题。产生了第三种Reactor线程模型-主从Reactor多线程模型。
主从Reactor线程模型的特点是：服务端用于接收client连接的不再是个1个单独的NIO线程。而是一个独立的NIO线程池。
Acceptor接收到clientTCP连接请求处理完毕后（可能包括接入认证等），将新创建的SocketChannel注冊到IO线程池（sub reactor线程池）的某个IO线程上，由它负责SocketChannel的读写和编解码工作。Acceptor线程池只只用于client的登陆、握手和安全认证，一旦链路建立成功，就将链路注冊到后端subReactor线程池的IO线程上，由IO线程负责兴许的IO操作。
它的线程模型例如以下图所看到的：
图2-24 Reactor主从多线程模型
利用主从NIO线程模型，能够解决1个服务端监听线程无法有效处理全部client连接的性能不足问题。
因此，在Netty的官方demo中，推荐使用该线程模型。
其实，Netty的线程模型并不是固定不变。通过在启动辅助类中创建不同的EventLoopGroup实例并通过适当的參数配置，就能够支持上述三种Reactor线程模型。正是由于Netty 对Reactor线程模型的支持提供了灵活的定制能力，所以能够满足不同业务场景的性能诉求。
2.2.5. 无锁化的串行设计理念
在大多数场景下。并行多线程处理能够提升系统的并发性能。
可是，假设对于共享资源的并发訪问处理不当，会带来严重的锁竞争，这终于会导致性能的下降。
为了尽可能的避免锁竞争带来的性能损耗，能够通过串行化设计，即消息的处理尽可能在同一个线程内完毕。期间不进行线程切换，这样就避免了多线程竞争和同步锁。
为了尽可能提升性能。Netty採用了串行无锁化设计，在IO线程内部进行串行操作，避免多线程竞争导致的性能下降。表面上看，串行化设计似乎CPU利用率不高。并发程度不够。
可是。通过调整NIO线程池的线程參数，能够同一时候启动多个串行化的线程并行执行，这样的局部无锁化的串行线程设计相比一个队列-多个工作线程模型性能更优。
Netty的串行化设计工作原理图例如以下：
图2-25 Netty串行化工作原理图
Netty的NioEventLoop读取到消息之后，直接调用ChannelPipeline的fireChannelRead(Object msg)，仅仅要用户不主动切换线程。一直会由NioEventLoop调用到用户的Handler，期间不进行线程切换，这样的串行化处理方式避免了多线程操作导致的锁的竞争，从性能角度看是最优的。
2.2.6. 高效的并发编程
Netty的高效并发编程主要体如今例如以下几点：
1) volatile的大量、正确使用;
2) CAS和原子类的广泛使用；
3) 线程安全容器的使用。
4) 通过读写锁提升并发性能。
假设大家想了解Netty高效并发编程的细节，能够阅读之前我在微博分享的《多线程并发编程在 Netty 中的应用分析》，在这篇文章中对Netty的多线程技巧和应用进行了具体的介绍和分析。
2.2.7. 高性能的序列化框架
影响序列化性能的关键因素总结例如以下：
1) 序列化后的码流大小（网络带宽的占用）；
2) 序列化&反序列化的性能（CPU资源占用）；
3) 是否支持跨语言（异构系统的对接和开发语言切换）。
Netty默认提供了对Google Protobuf的支持，通过扩展Netty的编解码接口，用户能够实现其他的高性能序列化框架，比如Thrift的压缩二进制编解码框架。
以下我们一起看下不同序列化&反序列化框架序列化后的字节数组对照：
图2-26 各序列化框架序列化码流大小对照
从上图能够看出。Protobuf序列化后的码流仅仅有Java序列化的1/4左右。
正是因为Java原生序列化性能表现太差。才催生出了各种高性能的开源序列化技术和框架（性能差仅仅是当中的一个原因，还有跨语言、IDL定义等其他因素）。
2.2.8. 灵活的TCP參数配置能力
合理设置TCP參数在某些场景下对于性能的提升能够起到显著的效果，比如SO_RCVBUF和SO_SNDBUF。假设设置不当。对性能的影响是很大的。
以下我们总结下对性能影响比較大的几个配置项：
1) SO_RCVBUF和SO_SNDBUF：通常建议值为128K或者256K。
2) SO_TCPNODELAY：NAGLE算法通过将缓冲区内的小封包自己主动相连。组成较大的封包。阻止大量小封包的发送堵塞网络，从而提高网络应用效率。可是对于时延敏感的应用场景须要关闭该优化算法；
3) 软中断：假设Linux内核版本号支持RPS（2.6.35以上版本号）。开启RPS后能够实现软中断，提升网络吞吐量。RPS依据数据包的源地址，目的地址以及目的和源port，计算出一个hash值，然后依据这个hash值来选择软中断执行的cpu，从上层来看。也就是说将每一个连接和cpu绑定，并通过这个hash值，来均衡软中断在多个cpu上，提升网络并行处理性能。
Netty在启动辅助类中能够灵活的配置TCP參数。满足不同的用户场景。相关配置接口定义例如以下：
图2-27 Netty的TCP參数配置定义
2.3. 总结
通过对Netty的架构和性能模型进行分析，我们发现Netty架构的高性能是被精心设计和实现的，得益于高质量的架构和代码，Netty支持10W TPS的跨节点服务调用并非件十分困难的事情。