const computecluster = require('compute-cluster'); // allocate a compute cluster var cc = new computecluster({ module: './worker.js' }); // run work in parallel cc.enqueue({ input: "foo" }, function (error, result) { console.log("foo done", result); }); cc.enqueue({ input: "bar" }, function (error, result) { console.log("bar done", result); });
fileworker.js 中响应了 message 事件，对传入的请求进行处理：
process.on('message', function(m) { var output; // do lots of work here, and we don't care that we're blocking the // main thread because this process is intended to do one thing at a time. var output = doComputationWorkSync(m.input); process.send(output); });
无需更改调用代码，compute-cluster 模块就可以和现有的异步API整合起来，这样就能以最小的代码量换来真正的多核并行处理。
我们从四个方面来看看这个方案的表现。
多核并行能力：子进程使用了全部的核心。
响应能力：由于核心管理进程只负责启动子进程和传递消息，大部分时间里它都是空闲的，可以处理更多的交互请求。
即使机器的负载压力很大，我们仍然可以利用操作系统的调度器来提高核心管理进程的优先级。
简单性：使用了异步API来隐藏了具体实现的细节，我们可以轻易地将该模块整合到现在项目中，甚至连调用代码无需作改变。
现在我们来看看，能不能找一个方法，即使负载突然激增，系统的效率也不会异常下降。
当然，最佳目标仍然是，即使压力激增，系统依然能高效运行，并处理尽量多的请求。
为了帮助实现优秀的方案，compute-cluster 不仅仅只是管理子进程和传递消息，它还管理了其他信息。
它记录了当前运行的子进程数，以及每个子进程完成的平均时间。
有了这些记录，我们可以在子进程开启之前预测它大概需要多少时间。
据此，再加上用户设置的参数（max_request_time），我们可以不经过处理，直接就关闭那些可能超时的请求。
这个特性让你可以很容易根据用户体验来确定你的代码。比如说，“用户登录的时候不应该等待超过10秒。”这大概等价于将 max_request_time 设置为7秒（需要考虑网络传输时间）。
我们在对 Persona 服务进行压力测试后，得到的结果很让人满意。
在压力极高的情况下，我们依然能为已认证的用户提供服务，还阻止了一部分未认证的用户，并显示了相关的错误信息。
您可能感兴趣的文章: