服务器这样的数据合格了吗？

大众推荐

前2天被问及我用C，为手机APP写的短链接服务器效率如何。
我给出了之前本地测试的一组数据：

测试了一组数据：
本地，1PV （1.7KB）完成时间约为150-350 us, 按300us算，那么1秒钟内 1，000，000/300 = 3333 PV，另外，每1W PV约 3S，也印证了上述结论。
打开4个客户端不断读数据（CPU4核），保持一样的测试结果。当客户端超过4的时候（几十个），时间稍微变大，但是符合线性增张。完全符合科学。

被鄙视了一下下，说，他们用的Python 写的 Tornado，单核CPU都可以达 3K，4核*2.4G CPU, linux, 可以达 8K2。

这不科学啊！！！！
这个是我的第一反应。
当然，从语言运行效率上来说，C > C++ > java > Python.

明显，如果一个C写的东西，运行效率比一个解析语言更加慢，这是不原谅的！言下之意，这个设计太垃圾了！！！！


昨天晚上，根据Tornodo 的测试方式 （ ab -n 10000 -n 10 http://xxxx.com/, 然后 xxx.com的服务器只返回一个 "Hello World!" 字符串)。


于是我也修改了服务器，让每次收到链接请求的时候，只返回一个 "Hello World!" 字符串。

CPU: AMD 4*2.4G
MEM: 8G
SYSTEM: UBUNTU 10.04, with GUI.

Server: 4 working threads + 2 other threads

-------------------------
另外，一台单核 CPU 1.7G， UBUNTU 10.04的笔记本跑 13个客户端不断的发连接请求。。

测试结果:

大众推荐

说明一下：
1.打印信息是从服务器打印的，有一个计数器，每收到1W的连接请求，就打印一次。
2.最后 ->0：615988 表示最近这1W个请求消耗的时间。第一个单位是second，第二个是microseconds.
3. 由于只是简单的时间验证，即是 T = T2 - T1, 所以会出现 1：-307735 这样的结果，相当于  1- 0.307735 = 0.692265 us.

大众推荐

从什么数据可以看出，基本上1W的请求，不会超过 0.75S ,(其中有一段时间会稍微大一点，因为后台还有2条线程在干活）。

就按照0.75秒 完全1W个请求来计算。。。
那么会有： 10，000/0.75 =13，333 req/s.

相同的配置下的Tornado 是8213

(13,333 - 8,213)/8,213  = 62.34%

貌似是比Tornado高效很多。。。。

这样对比，科学吗？？？

大众推荐

另外，CPU使用率越在 87 - 90%

大众推荐

根据上面数据，10W次，用时约7.2S

（100，000/7.2 - 8213）/8213 =69.10%

好吧，这个结论，至少对得起 C是高效率 的说法，不管系统设计是否垃圾～～

大众推荐

自己写的测试程序，和推算出来的结论，还是不太好的。。。
修改了一下代码，用ab 测试出来的结果。
不知道是什么概念？
请高手指教

大众推荐

.....大家都不屑于指导一下了？？？

除美灭日平韩

看不懂。。。

大众推荐

我也是新人。。。。也不熟悉。。。。第一次写和网络相关的东西。。。

根据
http://bbs.chinaunix.net/thread-4126050-2-1.html

13L的说法。。。

每次请求的响应时间小于 30ms 就算及格.
标准是 15ms 算优秀.

那么现在做到 8.5ms 了。。。
应该是合格的了吧。。。

当然，返回数据的大小，会影响具体时间。。



回复 8# 除美灭日平韩


   

weishuo1999

我来回答一下吧
1.本地测试没有意义，你看你300us就能得到数据，这个一点意义都没有
2.不要纠结于什么语言，python，c++，java都不是关键，关键可能都是nginx，lighthttpd这种，而不是你的后端语言
3.怎么判断服务器的极限呢？可以这样，做一个测试程序，测试在不同并发量的情况下，这个程序，connect，send，recv一个过程的时间，当这个时间发生跳变（比如原来是10，现在是11那不叫跳变，如果原来是10，一下子变成20，那么就是跳变）这个时候就差不多是极限了
4.说一下我们团队用c++自己做的Imserver的性能吧， 4核2.4G 8G内存 20w长链接在线  4w并发（每秒发一个数据包） cpu在75%左右，在这种情况下，connect，send，recv的时间大约是10-20ms

最后说一句如果你指望nginx这种来做高性能，多半是在自欺欺人。不同的情况下，不同的数据包大小都有不同的优化方案，这一点比你用了什么语言来说要重要的多