质量度量平台性能优化-2

上一篇讲到了通过“动静分离”来优化了js/css等静态文件的加载效率，也提到了Gunicorn来部署Django代码。所以，本文就讲一下使用nginx+gunicorn+django这种方式来部署Django系统，使之可以实现服务器端多进程处理，从而答复提高服务器端处理能力。

Gunicorn的配置文件为(gunicorn.cfg)：

# gunicorn cmd: gunicorn aew.wsgi -c gunicorn.cfg
import multiprocessing

bind = "unix:/home/qa/gunicorn.sock"
pidfile = "/home/qa/gunicorn.pid"

workers = multiprocessing.cpu_count() * 2 + 1
threads = multiprocessing.cpu_count()
max_requests = 1000
reload = True

loglevel = "info"
accesslog = "access.log"
errorlog = "error.log"

daemon = True

我的应用是Django应用，用Gunicorn启动的命令为：gunicorn aew.wsgi -c gunicorn.cfg

根据前面的配置，我使用的是Unix Domain Sockect，所以在Nginx与Gunicorn通信的方式就是Unix Domain Sockect；Nginx的一些相关配置改动为(见：https://github.com/smilejay/other-code/blob/master/config/nginx-gunicorn.diff ）：

diff --git a/nginx.conf b/nginx.conf
index ed521ca..933df53 100644
--- a/nginx.conf
+++ b/nginx.conf
@@ -42,9 +42,13 @@ http {
     # for more information.
     include /etc/nginx/conf.d/*.conf;
 
+    upstream aew_server {
+        server unix:/home/qa/gunicorn.sock    max_fails=10 fail_timeout=10s;
+    }
+
     server {
         listen       80 default_server;
         server_name  _;
         root         /usr/share/nginx/html;
 
         #charset koi8-r;
@@ -54,7 +58,17 @@ http {
         # Load configuration files for the default server block.
         include /etc/nginx/default.d/*.conf;
 
+        location /static {
+            autoindex on;
+            alias /home/qa/aew/static;
+            break;
+        }
+
         location / {
+            if ( !-f $request_filename ) {
+                proxy_pass          http://aew_server;
+                break;
+            }
         

这里的Nginx作为反向代理，需要配置一些东西，遇到过一个问题，见：Nginx+Gunicorn+Django出现“Bad Request (400)”

经过Nginx+Gunicorn的配置之后，我对以前写过过的一个API做了一下性能对比测试实验（Gunicorn 和 django的runserver启动的服务作对比），实验结果非常的不错：使用了5个、10个、20个并发进行测试，响应时间缩短为原来的0.3倍左右；吞吐量（TPS）为原来的3~10倍。具体对比数据如下图：

gunicorn django performance comparision

顺便提一下，该应用是部署在4核、4GB内存的一个KVM虚拟机上的，操作系统是CentOS 6.3；当然gunicorn服务所占用的CPU要高一些，分别是25%、64%、80%，而django-server由于TPS没有任何提高，其CPU使用率一直在35%左右。

另外，这个API本来就性能不太好，所以吞吐量不是太高；我换过一个性能更好的API测试了一下，在30个并发时，gunicorn的吞吐量达到了81 TPS，是非常不错的成绩的。

就这样吧，本文讲的是部署服务器选择为多进程的Gunicorn(+Nginx)的优化。