Nginx · 网站入口
监听 443 端口,处理 HTTPS;静态文件直接读取,业务请求转给程序。
虚构小店的教学场景。规模、耗时和算例不是生产性能承诺;技术方案均需按实际部署核验。
我们开一家只有几十种商品的小店。顾客小林打开“手作杯”的商品页,看到名称、价格、库存和图片。先不引入缓存、队列或集群,只租一台云服务器,把整件事从头做完。
一台 Linux 云服务器:2 个虚拟处理器核心、4 GiB 内存、80 GB 固态磁盘、公网出口上限 10 Mbps。页面和程序放本机,数据库也在本机。用这些数字算清楚资源怎么消耗,不据此承诺能承受多少顾客。
服务器是一台计算机,可以同时运行许多程序。云服务器是云厂商提供的一台虚拟计算机;你获得处理器、内存、磁盘和网络等资源,具体物理资源如何分配由云产品决定。下面选一套具体实现:Nginx 做网站入口,Python 业务程序处理商品规则,MySQL 管理商品和订单记录,Linux 操作系统负责协调资源。换成别的语言或数据库,分工仍然可以类似。
监听 443 端口,处理 HTTPS;静态文件直接读取,业务请求转给程序。
解析商品编号,判断能否展示,查询数据库,整理返回数据。
按查询条件找商品,保存订单;使用自己的内存和磁盘文件。
保存 HTML、脚本、样式和图片。目录是存放位置,不是另一个服务程序。
小林访问 https://shop.example.com/products/123。浏览器需要先知道这个域名对应哪个网络地址,这个查询过程叫 DNS,像查通讯录。结果可能已经被缓存,不一定每次重新询问。随后浏览器连接服务器,并建立 HTTPS 加密通信;它会验证网站证书,确认连接的身份符合访问的域名。
为了方便理解,这里采用常见的 HTTPS 入口模型。连接建立成功后,浏览器发送请求。已有连接往往能复用,因此不能认为每个图片请求都必须重新完整查域名、握手。公网路由、协议版本、网络状况都可能改变实际耗时。
GET:读取一个资源 /products/123:要看的页面路径 Host:访问哪个网站 Cookie:可能携带登录凭证 Accept:希望收到的内容类型
这些说明不等于数据库指令。浏览器说“我要这个页面”,服务器决定怎样完成。我们假设此路径先返回商品页的 HTML 外壳,页面里的脚本再请求商品数据。这是一种常见实现;也可以由服务器一次生成包含商品数据的 HTML,不能把两者当成唯一标准。
Nginx 是一直运行、等请求到来的入口程序。443 是本例 HTTPS 入口使用的端口,可以理解为网络地址上的一个服务门牌。Nginx 根据配置处理这个网站的请求:页面、样式和图片可以从本机目录读取;以 /api/ 开头的请求转交业务程序。
转交叫“反向代理”:顾客面对统一入口,入口代他找后面的程序。本例业务程序只监听本机地址 127.0.0.1:8000,数据库只接受本机授权连接。这样顾客不必、也不应拿到数据库账号。入口处理证书、连接和转发,业务程序集中处理小店规则。小项目也可以让应用服务器直接承担入口,但证书、静态文件和对外暴露等职责仍然需要有人完成。
/api/* → 本机业务程序/images/* → 本机图片目录/products/* → 商品页 HTML
入口不因为看见商品编号 123 就知道价格,也不因为转发了 Cookie 就自动完成顾客授权。文件目录、路径匹配、超时和安全权限都要配置正确。
HTML 描述页面结构,CSS 决定外观,JavaScript 脚本可以负责请求数据与更新页面。它们到达浏览器后,由小林的设备解析和执行,并不是服务器替浏览器画好每一个像素。假设页面脚本请求 GET /api/products/123,Nginx 按规则把它交给本机业务程序。
程序读取编号,检查格式、商品是否允许公开展示;如果是私人订单页,还必须验证登录身份与订单归属。它通过数据库连接发送参数化查询,例如“按编号查商品名称、展示价格和图片位置”。参数化意味着把输入的数据与查询结构分开处理,避免直接把用户输入拼成数据库指令。
示意数据: 商品编号:123 名称:手作杯 展示价格:18 元 图片位置:/images/cup-123.jpg 查询意图:找到编号为 123、允许展示的商品。 这只是说明业务,不是完整的数据库表设计。
MySQL 根据查询条件和索引等选择查找方式。索引像账本目录,可能减少要检查的记录;并不是每次查询都必须从磁盘完整读一遍,因为数据库和操作系统都可能已把常用数据放在内存。数据库返回记录,业务程序把记录整理成 JSON——一种用字段名和值表达数据的格式,再交给 Nginx 返回浏览器。
数据库不会把网页直接发给小林;它回答的是业务程序。没有找到商品时程序可以返回 404 等适当结果,内部查询失败则需要记录原因并返回合适错误,不能把数据库密码和内部堆栈交给顾客。
浏览器根据图片地址请求 /images/cup-123.jpg。入口按规则读取本机文件并把图片字节送回。对于这条简单静态图片请求,业务程序和数据库都可以不参与。因此一张商品页不是“一次请求”:它可能包含 HTML、样式、脚本、商品数据和多张图片;浏览器还可能复用缓存,或并行下载多个资源。
这解释了为什么“每天一万访客”不足以选择配置:每人只打开一个小页面,和每人连续下载几十张大图,资源消耗完全不同。平均请求数也不能代表活动时同一秒到来的峰值。
程序判断规则、数据库处理查询、HTTPS 加解密、图片压缩都需要计算。CPU 核心数像可同时工作的计算岗位,但程序能否利用多个核心,取决于实现和并发方式。虚拟核心也不等同于独占的一颗物理处理器。
例子:假设每个业务请求实际消耗 20 毫秒 CPU,100 次/秒就需要约 2 个核心秒/秒,理论上已吃满两个核心;还没给数据库、入口和操作系统留余量。这是算术示例,不是压测结论。
不够用时:计算任务排队,响应变慢。先区分程序计算、数据库查询和后台任务;优化或增加核心可能有效,但网络等待长不意味着 CPU 必然忙。单个线程成为瓶颈时,增加核心也未必自动改善。
运行中的程序代码和数据、数据库缓冲、连接缓冲、操作系统文件缓存都占内存。进程是操作系统管理的运行中程序实例;同一机器可以有多个业务进程,每份可能占用自己的内存。
例子:4 GiB 内存中,假设系统及入口 0.7 GiB、业务进程合计 1 GiB、数据库 1.5 GiB,已用约 3.2 GiB,剩余并不是都能放心分配给新请求。流量突增、查询或文件上传可能增加临时占用。
不够用时:系统可能回收缓存、使用磁盘交换空间,或终止进程;具体行为依系统配置。交换空间比内存慢,不能当免费内存。应检查进程、连接数与泄漏,区分可回收缓存和真正持续增长的占用。
系统、程序文件、数据库文件、图片和日志都需要磁盘空间。空间还有很多,不代表磁盘能及时完成大量读写;吞吐量是每秒搬多少数据,IOPS 是每秒能完成多少次读写操作,延迟是一次操作等多久。
例子:80 GB 中,系统与程序 12 GB、数据库 18 GB、图片 30 GB、日志 10 GB,已占 70 GB。每天净增长 1 GB,粗算约十天就耗尽剩余空间,而且运行和维护还需要余量。
不够用时:写订单或日志可能失败;即使空间没满,大量随机读写也可能让数据库等待。扩容量、换更快的盘、减少扫描和管理日志分别解决不同问题。删除不明数据库文件不是扩容办法。
带宽是数据传输的速率上限,不是“每月能用多少流量”。流量是累计传输量。带宽通常用 Mbps(每秒百万位),文件大小常用 MB(百万字节);一个字节有八个位,所以数值不能直接混用。
例子:10 Mbps 理想换算约 1.25 MB/s。每个页面下载总共 2 MB,不考虑缓存和协议开销,单个页面仅传输就约需 1.6 秒;十个顾客同时下载这批共 20 MB 的内容,共享出口至少约需 16 秒才能全部送完。不是每人都独享 10 Mbps。
不够用时:图片下载拖长,CPU 可能仍很闲。压缩图片、浏览器缓存、提高出口能力或以后引入 CDN 都可能有效。更大 CPU 不能直接把有限的网口变宽;真实时间还受线路、距离和客户端影响。
点开现场记录,先猜原因,再看分析。这些是故意简化的假设,真实排查还要用测量确认。
如果出口已接近限制,应先看图片体积、缓存与网络;升级 CPU 不是针对性方案。浏览器网络面板能帮助区分等待服务器与实际下载时间,服务端出口指标可交叉验证。
容量充足不代表读写快。检查查询扫描量、索引、磁盘读写延迟及内存缓存情况。增加硬盘容量未必改善大量随机读写,也可能根本是查询本身需要优化。
检查是否发生内存不足、程序异常或健康检查失败。更多连接和工作进程可能增加内存占用。先看系统事件与进程记录,再决定限制并发、修复泄漏或扩内存。
这是可用性与发布方式的问题。机器再大,只运行一份程序时,停止它仍会中断服务。以后可能需要多份程序、统一入口和稳妥切流量;不是今天就必须把全部架构加上。
操作系统安排不同进程轮流或并行使用 CPU,管理各自的内存,并协调磁盘和网络。当程序等待数据库或网络时,CPU 可以执行其他就绪任务。一个请求等待了 100 毫秒,不等于 CPU 为它连续算了 100 毫秒。
同时处理请求的方式有多进程、多线程和事件驱动等。先理解共同目标:一个顾客在等结果时,不要让所有顾客都无谓停住。但并发不是越大越好;连接、缓冲和执行中的任务会占资源。无限接单可能把有限内存和数据库连接耗尽,所以需要设置合理上限、超时并通过压测验证。
让每个程序职责清楚,知道哪些端口对外、哪些只供本机或内网使用;给数据库和文件设置备份,并验证能恢复。备份存在同一块磁盘上,不能防止这块磁盘损坏。保存基本运行指标和错误日志,控制日志增长,管理证书与系统更新。
当资源确实不足而单机仍符合业务可靠性要求时,升级服务器可以是合理选择。等到出现文件共享、故障接替、资源隔离或重复查询等明确问题,再引入下一种组件。本阶段的目标不是把架构做大,而是能准确说出:这一条请求谁接、谁算、谁存、谁返回,以及哪一种资源正在限制它。
为什么图片请求可以不查数据库?为什么 100 毫秒的响应不等于 100 毫秒的 CPU 工作?为什么磁盘没满也会慢?为什么更强的服务器仍可能一停全停?能用今天的请求故事回答,就真的理解了这台机器。