【运维】第02讲（上）：企业 Nginx 高性能优化配置实战总结

青旅半醒 2024-03-17 20:04 13阅读 0赞

> 本课时讲解关于 Nginx 配置优化的内容，相信对于 Nginx 你一定并不陌生，它是一款轻量级的开源 Web 服务及代理程序。在 Nginx 出现之前市场上主流两款 Web 服务，一款是 Windows 系统上的 IIS，另外一款是 Linux 系统上的 Apache。而在 Nginx 诞生后，因其轻量化、支持高并发等特性，逐渐蚕食了这两款 Web 服务的市场份额。目前国内大量企业早已广泛的使用 Nginx。既然 Nginx 使用这么广泛，那么我们在运维工作中如何对其进行优化和配置便成了重中之重。

### 基础配置优化 ###

在学习如何优化和配置 Nginx 之前，我们需要提前掌握一些基础知识，包括：

*  熟悉 Linux 的基础操作；
 *  了解 Nginx 安装和基础配置；
 *  对 HTTP 请求过程有一定了解。

接下来的课程内容会涉及以上这三点知识内容，但是不会像初学那样面面俱到来讲，所以希望遇到疑问时再回来按照这三个方面提前巩固基础知识。

Nginx 的优化这个课时主要内容分为两部分来讲，一部分是基础配置优化，另外一部分是缓存配置优化，本课时我们主要学习基础配置优化的部分。

基础配置优化主要包括：

*  CPU亲和性优化；
 *  Nginx 模型优化；
 *  Nginx 传输方式优化；
 *  Nginx 文件压缩优化。

在 Nginx 用于普通的绝大部分 Web 服务时这些优化场景都是需要了解的。

### CPU 亲和性 ###

那么，首先来介绍的是 Nginx 的 CPU 亲和性。

所谓的 CPU 亲和性是作什么呢？现在的CPU通常是多核的，并可以通过超线程来虚拟更多核数 ，那亲和力就是为多核 CPU 需做到让 Nginx 服务充分的配合使用，从而提高性能。 Ngin x运行时会启用 1 个 master 进程及多个 worker 进程，worker 进程负责处理请求，如果 worker 进程在多核 CPU 中发生频繁的调度就会损耗性能。在这种情况下，我们希望减少这种频繁调度，让每一个 Nginx 的 worker 线程都能够固定到具体的 CPU 核心上，所以就需要配置 Nginx 的 CPU 亲和性来解决这个问题。

接下来讲一下具体配置方式，那由于 Nginx CPU 亲和性配置本身有多套配置方案，这里推荐你直接将配置项设置成 auto（worker\_cpu\_affinity ），即采用了 Nginx 推荐的 CPU 绑核策略方式。另外的一个方式是手动绑定，将 worker 线程数量与 CPU 核心数一一绑定方式设置。我们设置成 auto Nginx 会自动识别并按照推荐策略来分配 worker 线程和 CPU。

![在这里插入图片描述][f5a553e353e34fc2aa2ab0c64b12e80e.jpeg_pic_center]

如图所示，我们看到 CPU 的核心有 8 个，即 CPU0~CPU7，如果我们设置成 auto 后，那么 Nginx 会将 8 个 worker 线程一对一地按照推荐策略绑定到 CPU 核心上，这样避免 CPU 频繁对 worker 线程进行调度，从而降低 CPU 损耗。

### IO 流事件模型 ###

Nginx 第二个基础配置优化项是 IO 流事件模型，我们经常可以在 Nginx 下面看到的 events 配置模块中默认设置了 use epoll，表示 Nginx 使用 epoll 这个 IO 流事件模型，那为什么 Nginx 会选择使用 epoll 呢？这是因为 epoll 有以下这些得天独厚的优势。我们来详细讲解一下：

1.  首先，Linux 系统下一切皆文件，比如我们打开一个设备，它便会产生一个文件描述符。在产生一个进程时，这个进程便需要一个进程描述符，这个进程描述符也是一个文件。所以在 Nginx 处理请求的时候，每一个请求都会产生处理请求的描述符。
2.  其次，在 Nginx 处理大规模请求的时候，为了提高并发效率需要采用异步非阻塞模型，这又和 epoll 有什么关系呢？epoll 本身是以异步非阻塞模型来处理请求流中的事件流。

这里还需要注意一点，并不是所有的 Linux 操作系统都可以使用 epoll，它是在 kernel 2.6 版本以后提出的，早期内核使用的 select\\poll 模型，select 模型比 epoll 模型性能要低很多，有经验的运维同学一定深有体会。

通过上面的背景铺垫，我们再来详细介绍下 epoll 相比于 select 模型具备的优势：

*  epoll 处理事件流模型是线程安全的；
 *  epoll 跟 select 模型相比调用 fd 文件描述符时使用了 mmap 共享用户和内核的部分空间，提高了效率；
 *  epoll 是基于事件驱动的，相比 select 需要扫描整个文件描述符的相关状态，epoll  
    基于事件驱动避免频繁扫描文件描述符，可以直接调用 callback 回调函数，效率更高；
 *  取消了 select 模型里面单个进程能够监视的文件描述符的数量存在的最大限制（1024），如果你有使用过早期的 Apache  
    版本的，它使用的select 模型，当请求超过 1000 以后就会出现延迟或者请求错误，而改用 Nginx 的话性能会得到明显的改善。

另外补充下，在 events\{\} 配置中还涉及一个优化的地方就是 worker\_connections，这个也是在 events 里面来进行设置的，通过上面的学习我们知道了 worker 线程作用，那每一个 work线程所支持的连接是有限的，这里会默认设置成 1024，而我们在处理高并发的场景时，单个 worker 线程设置成 1024 的话往往偏低，这里建议你将 worker\_connections 调大一些，你可以参考实际业务所需 Nginx 处理最大峰值来调大这个设置值。

### 零拷贝 ###

第三个基础配置优化是零拷贝，所谓零拷贝的配置是在 Nginx 中的 HTTP 配置模块中添加一个 sendfile on 配置项，它便是一个零拷贝，所谓零拷贝并不代表不拷贝了，而是说它做到了文件的内核态到用户态的零拷贝。

![在这里插入图片描述][a19122c909174e7685372b0a86cbf59d.jpeg_pic_center]

如图所示，我们先来看下没有零拷贝时文件传输是什么样子的？首先 Nginx 在处理文件时，会将文件传入操作系统内核态的 Buffer Cache，然后传递到操作系统上层的用户态，经用户态的 Buffer Cache 再传回内核态中，最后通过 Socket 将文件转发出去。

这个时候你会发现一个问题，对于静态文件并不需要流转到用户态中，直接通过内核态效率更高，所以这时我们就需要在 Nginx 中开启 sendfile on，这样静态文件就可以通过红色的路径在内核态中完成转发，而不用再去绕道用户态，提高了效率。

### 文件压缩 ###

Nginx 基础配置优化的最后一项是文件压缩，我们希望做到 Nginx 服务端往客户端发送的数据越小，占用的延迟越低用户体验便会越好。所以往往在代理或 Nginx 中会设置文件压缩，我们主要通过 gzip 方式进行设置，主要的设置项如下：

*  gzip on 负责打开后端的压缩功能；
 *  gzip\_buffer 16 8k 表示设置 Nginx 在处理文件压缩时的内存空间；
 *  gzip\_comp\_level 6 表示 Nginx  
    在处理压缩时的压缩等级，通常等级越高它的压缩比就越大，但并不是说压缩比越大越好，还是需要根据实际情况来选择合适的压缩比，压缩比太大影响性能，压缩比太小起不到应有的效果，一般来说推荐你设置成6 就比较合适；
 *  gzip\_http\_version 1.1 表示只对 HTTP 1.1 版本的协议进行压缩；
 *  gzip\_min\_length 256 表示只有大于最小的 256 字节长度时才进行压缩，如果小于该长度就不进行压缩；
 *  gzip\_proxied any 代表 Nginx 作为反向代理时依据后端服务器时返回信息设置一些 gzip 压缩策略；
 *  gzip\_vary on 表示是否发送 Vary：Accept\_Encoding 响应头字段，实现通知接收方服务端作了 gzip 压缩；
 *  application/vnd.ms-fontobject image/x-icon; gip 压缩类型；
 *  gzip\_disable “msie6”; 关闭 IE6 的压缩。

最后这两项表示设置 zip 的压缩类型及是否关闭 客户端使用 IE6 浏览器请求过来的压缩，以上就是对文件压缩的典型配置，你可以根据具体情况做一些细节上的调整。

[f5a553e353e34fc2aa2ab0c64b12e80e.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/477b9ae50d3145ae98a82c014dc3f731.png
[a19122c909174e7685372b0a86cbf59d.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/be1852ca4d424053ba9cfdaedacd140a.png