openresty+lua+kafka方案与Tomcat接口并发度对比分析

正文前先来一波福利推荐：

福利一：

百万年薪架构师视频，该视频可以学到很多东西，是本人花钱买的VIP课程，学习消化了一年，为了支持一下女朋友公众号也方便大家学习，共享给大家。

福利二：

毕业答辩以及工作上各种答辩，平时积累了不少精品PPT，现在共享给大家，大大小小加起来有几千套，总有适合你的一款，很多是网上是下载不到。

获取方式：

微信关注精品3分钟，id为 jingpin3mins，关注后回复 百万年薪架构师 ，精品收藏PPT 获取云盘链接，谢谢大家支持！

------------------------正文开始---------------------------

1、openresty+lua+kafka

1.1 openresty+lua+kafka方案

　　之前的项目基于nginx反向代理后转发到Tomcat的API接口进行业务处理，然后将json数据打入kafka中，但是随着业务的扩大，访问量越来越大，并发数也很高，导致程序遇到性能问题；

基于nginx的高性能特点，现在考虑使用一种openresty+lua+kafka，直接在nginx阶段将数据打入kafka中，来提高性能。

1.1.1 OpenResty运行原理

　　Nginx 采用的是 master-worker 模型，一个 master 进程管理多个 worker 进程，基本的事件处理都是放在 woker 中，master 负责一些全局初始化，以及对 worker 的管理。在OpenResty中，每个 woker 使用一个 LuaVM，当请求被分配到 woker 时，将在这个 LuaVM 里创建一个 coroutine(协程)。协程之间数据隔离，每个协程具有独立的全局变量_G。

　　协程和多线程下的线程类似：有自己的堆栈，自己的局部变量，有自己的指令指针，但是和其他协程程序共享全局变量等信息。线程和协程的主要不同在于：多处理器的情况下，概念上来说多线程是同时运行多个线程，而协程是通过代码来完成协程的切换，任何时刻只有一个协程程序在运行。并且这个在运行的协程只有明确被要求挂起时才会被挂起。

原理图如下：

1.1.2 OpenResty的优势

　　其是由Nginx核心加很多第三方模块组成，其最大的亮点是默认集成了Lua开发环境，使得Nginx可以作为一个Web Server使用。

借助于Nginx的事件驱动模型和非阻塞IO，可以实现高性能的Web应用程序。

而且OpenResty提供了大量组件如Mysql、Redis、Memcached等等，使在Nginx上开发Web应用更方便更简单。目前在京东如实时价格、秒杀、动态服务、单品页、列表页等都在使用Nginx+Lua架构，其他公司如淘宝、去哪儿网等。

1.2 方案实施

申请线上云主机，部署公司内部部署平台NDP；

配置openresty：

worker_processes  ;

pid        /home/xxxx/nginx.pid;

events {

    use epoll;

    worker_connections  ;

    multi_accept on;

}

http {

    lua_package_path "/home/xxxxxx/lib/?.lua;;";

    include       mime.types;

    default_type  application/octet-stream;

    #access_log off;

    keepalive_requests ;

    keepalive_timeout 300s 300s;

    server_names_hash_bucket_size ;

    client_header_buffer_size 32k;

    large_client_header_buffers  32k;

    client_max_body_size 1024m;

    client_body_buffer_size 10m;

    log_format  main  '$remote_addr$time_iso8601$request'

                      '$status$upstream_response_time$request_time'

                      '$http_user_agent$http_x_forwarded_for';

    access_log off;

    # access_log  /home/xxxxxx/access.log  main;

    sendfile on;

    #提高I/O性能

    tcp_nodelay on;

    proxy_buffering off;

    #此请求不缓存

    #add_header Expires "Fri, 01 Jan 1980 00:00:00 GMT";

    #add_header Pragma "no-cache";

    #add_header Cache-Control "no-cache, max-age=0, must-revalidate";

    resolver xxxxx;

    # healthcheck shared

    # lua_shared_dict healthcheck 1m;

    # 数据书籍服务汇总

    include ./service_hub/*;

}

配置依赖lua依赖：

配置server服务：

server {

        listen ;

        #数据上报

        # 默认读取 body

        lua_need_request_body on;

        location /xxxx {

           # access_log  /home/xxxx/risk_doubt.log  main;

           # 响应正常，内容为空

           empty_gif;

           content_by_lua_block{

            -- 引入lua所有api

            local topic = "xxxx"

            local cjson = require "cjson"

            local producer = require "resty.kafka.producer"

            -- 定义kafka broker地址，ip需要和kafka的host.name配置一致

            local broker_list = {

                { host = "xxx", port =  },

                { host = "yyy", port =  },

                { host = "zzz", port =  }

            }

            -- 定义json便于日志数据整理收集

            local data_json = {}

            ngx.req.read_body()

        local args = ngx.req.get_body_data()

        -- 将ip传入json参数中

        data_json["body"] = args

        data_json["ip"] = ngx.var.remote_addr

        -- 转换json为字符串

        -- ngx.log(ngx.ERR, "args:", tostring(data_json))

            local message = cjson.encode(data_json);

            ngx.log(ngx.ERR, "args:", message)

        -- 定义kafka异步生产者

            local bp = producer:new(broker_list, { producer_type = "async" })

            -- 发送日志消息,send第二个参数key,用于kafka路由控制:

            -- key为nill(空)时，一段时间向同一partition写入数据

            -- 指定key，按照key的hash写入到对应的partition

            -- local ok, err = bp:send(topic, nil, message)  

            -- if not ok then

            --     ngx.log(ngx.ERR, "kafka send err:", err)

            --     return

            -- end

       }

        }

}

1.3 压力测试：

线上被测云主机性能：8核，16G内存，400M网卡流量。

该次测试是在 1000并发量，1分钟16秒压测时间段内的数据：

二、Tomcat接口的测试：

    @PostMapping(value = "/xxxx")

    public Object test(String str, HttpServletRequest request) throws IOException

    {

        //logger.info("receive msg...");

        return null;

    }

同上的压测环境进行压测：

三、性能分析：

1、同样的压测环境，openresty的TPS性能确实要比单纯的Tomcat要好；

2、根据TPS的性能曲线可以看到，openresty的TPS曲线要比tomcat的更加稳定；

中间遇到的问题分析：

其实参考资料你会发现，测试结果中openresty的TPS数值比起网上很多数值要低不少，有不少网友的压测结果是10W+，为什么有这么大的差距呢，主要原因还是楼主所使用的线上云主机网卡流量有限制，只有400M，

导致了openresty的性能无法得到充分的发挥，后期项目中会考虑换用1G以上的网卡流量。