名词解释

1. PHP vs HHVM: PHP指的是php.net(Zend)实现的PHP，而HHVM指的是Facebook开源的PHP实现。

2. PHP-FPM: (PHP Fastcgi Process Manager) 一个PHP Sapi实现，目前的主流的Web应用使用的方式。基于多进程的模型

3. HHVM: AdminServer 这是HHVM中为了更好的运维和定位问题实现的一个HTTP操作接口，可以实时的获取和操作HHVM内部状态，
   这对于我们是一个非常便利的接口，比如可以打印出内部的队列长度（fpm中也有类似接口，不过灵活性差很多）

多线程下fork()/exec()出现的性能问题

贴吧目前使用的HHVM来运行PHP程序，HHVM采用的是多线程模型， 以前我们使用的是PHP-FPM，PHP-FPM采用的是多进程的模型。 我们通过一个我们上线遇到的问题来看看Linux的写时复制和多线程相关的问题。

上周我们迁移一个服务HHVM运行环境时发现上线后CPU占用飚的非常高，经过分析发现程序时间消耗的最多时间的地方是：fork()， 这个有点奇怪，fork的时候怎么会花那么长时间呢？经过分析发现我们有个基础库的实现中使用了PHP的exec()函数来启动shell程序做字符处理，exec的实现和bash类似，先fork()一个进程然后通过exec系统调用执行相应的命令， 这没有什么不对，对不对。但是为什么在HHVM下会导致CPU利用率过高，而PHP中没事呢？ 先看一些基本的背景：

关于写时复制

在Linux中要启动一个新进程的方式通常是：先调用fork()函数fork出一个新的进程，然后在 新的进程中调用exec()函数来启动新的程序从而达到启动新程序的目的，比如采用下面的代码实现。

intstart_prog(char*prog,char* args[]){  pid_t pid =fork(); // 创建子进程if(pid <0)return-1;if(pid ==0){ // 子进程if(execv(prog, args)<0)return-1; // 加载新的程序}else{return1;}}intmain(){char* args[]={NULL};returnstart_prog("/bin/ls", args);}

我们知道进程间的内存地址空间是隔离的，fork()系统调用的结果是生成一个新的子进程，为了保证隔离性， 早期的UNIX采用在fork()将父进程的地址空间完整的复制一份。这个操作非常的耗时。 为了提高效率现代的Unix及Linux采用了一种称为写时复制的技术，其实也就是一种延迟操作的做法， 子进程和父进程在fork()时并不马上复制，而是暂时共享内存空间，随后只要父进程或者子进程试图写共享的内存就会产生一个异常， 这时内核才把内存空间进程复制，比如我们在Shell中启动一个程序时随后就会启动新的程序，启动后的程序将会覆盖旧的内存空间， 如果提前就复制了，那么这个复制操作其实是白做了，为此系统将这个操作优化为写时复制。

写时复制，发生写时才复制内存地址空间

如果马上进行exec加载新的程序，那么复制地址就没必要了

解决方案

从前面的介绍我们知道，启动新程序的时候利用了写实复制的技术避免不必要的消耗。对于HHVM来说， 我们使用的是多线程，每个线下都在并行的执行，也就是说，在某个线程在执行fork()的是时候 还会有其他线程在处理任务，由于线程间是共享进程空间的，那时不可避免的可能会写内存。这就触发了 操作系统的写实复制，导致大量的内存复制操作（其实也是没必要的），这会导致资源占用急剧上涨。

说到这里你可能会说：你看，多线程模式不太好吧。HHVM的实现是不是有问题？其实对于PHP也会有类似的问题的， 如果你使用的是PHP的多线程模型(现在应该很少的人使用)。

这个问题，HHVM使用了一个比较巧妙的方式来解决。

HHVM的思路是这样的，既然多线程下写实复制容易出俩捣乱，那么就让fork发生在非多线程的进程中，让他不可能发生空间复制。

1. HHVM启动时先预先启动N个(可配置)代理进程，在父进程和这些代理进程之前预先开启管道方便通信

2. 有需要启动子进程的时候，通过管道选择一个没有正在fork()进程的代理进程，将执行信息通过管道发给代理进程

3. 代理进程根据要执行的程序fork()一个新的子进程并执行相应的命令，然后将执行完成的信息通过管道写回主进程。

从上面可以知道，因为代理进程每个进程都只有一个线程不会存在多线程写的问题。 HHVM中将它称为轻进程。

解决方案

使用了HHVM的轻进程后，CPU直接就降了下来，我们虽然可是使用这个方案解决这个问题，不过我们还是将 exec()调用改成了PHP原生文件读取操作，一来exec()函数的成本相对较高，二来使用shell不利于可移植性， 虽然我们不太可能使用Windows，不过这样的耦合是没必要的。

总结

1. 多线程vs多进程。其实这两个模式没有绝对的好坏，就要需要什么，多进程的好处是进程隔离，程序出现问题也能保证服务不整体crash掉，但是多进程带来的问题是进程间通信的成本，多线程也有多好处，比如HHVM中的AdminServer，队列的管理等等，如果不是多线程，JIT，实例管理，Debug都会非常的复杂。

2. 对于高并发的程序建议少用不用exec()/system()等函数，除了内存占用，进程数也可能会变成资源瓶颈，其实和其他思路类似，尽量在用户态把事情做了。

3. 多线程下fork()还有其他的问题，我们的场景是fork() 然后马上执行新的程序，如果你是真的要fork，这可能会遇到更多的问题，比如锁等等,请参考http://rachelbythebay.com/w/2014/08/16/forkenv/

参考资料

1. 《Understanding Linux Kernel 3rd》

2. HHVM AdminServer:https://github.com/facebook/hhvm/blob/master/hphp/doc/command.admin_server

3. PHP-FPM status page: https://www.centos.bz/2013/09/enable-php-fpm-status-page/

4. HHVM: http://hhvm.com/

建议继续学习：

1. 浅析C++多线程内存模型    (阅读：7112)
2. C++ 多线程编程总结    (阅读：6793)
3. 多线程队列的算法优化    (阅读：6515)
4. 程序中的“多线程”    (阅读：5652)
5. php多线程扩展    (阅读：4238)
6. 为什么在多线程程序中要慎用volatile关键字？    (阅读：3991)
7. github 上 Fork 别人的项目后的常用的操作指南    (阅读：3750)
8. Ameba , 一个简单的 lua 多线程实现    (阅读：3591)
9. 多线程程序中操作的原子性    (阅读：3007)
10. 极不和谐的 fork 多线程程序    (阅读：2694)