本文由雲+社群發表
“當我第一次知道要這篇文章的時候，其實我是拒絕的，因為我覺得，你不能叫我寫馬上就寫，我要有乾貨才行，寫一些老生常談的然後加上好多特技，那個 Node.js 效能啊好像 Duang~ 的一下就上去了，那讀者一定會罵我，Node.js 根本沒有這樣搞效能優化的，都是假的。” —— 斯塔克·成龍·王
1、使用最新版本的 Node.js
僅僅是簡單的升級 Node.js 版本就可以輕鬆地獲得效能提升，因為幾乎任何新版本的 Node.js 都會比老版本效能更好，為什麼？
Node.js 每個版本的效能提升主要來自於兩個方面：
- V8 的版本更新；
- Node.js 內部程式碼的更新優化。
例如最新的 V8 7.1 中，就優化了某些情形下閉包的逃逸分析，讓 Array 的一些方法得到了效能提升：
Node.js 的內部程式碼，隨著版本的升級，也會有明顯的優化，比如下面這個圖就是 require 的效能隨著 Node.js 版本升級的變化：
每個提交到 Node.js 的 PR 都會在 review 的時候考慮會不會對當前效能造成衰退。同時也有專門的 benchmarking 團隊來監控效能變化，你可以在這裡看到 Node.js 的每個版本的效能變化：
https://benchmarking.nodejs.org/
所以，你可以完全對新版本 Node.js 的效能放心，如果發現了任何在新版本下的效能衰退，歡迎提交一個 issue。
如何選擇 Node.js 的版本？
這裡就要科普一下 Node.js 的版本策略：
- Node.js 的版本主要分為 Current 和 LTS；
- Current 就是當前最新的、依然處於開發中的 Node.js 版本；
- LTS 就是穩定的、會長期維護的版本；
- Node.js 每六個月（每年的四月和十月）會發布一次大版本升級，大版本會帶來一些不相容的升級；
- 每年四月釋出的版本（版本號為偶數，如 v10）是 LTS 版本，即長期支援的版本，社群會從釋出當年的十月開始，繼續維護 18 + 12 個月（Active LTS + Maintaince LTS）；
- 每年十月釋出的版本（版本號為奇數，例如現在的 v11）只有 8 個月的維護期。
舉個例子，現在（2018年11月），Node.js Current 的版本是 v11，LTS 版本是 v10 和 v8。更老的 v6 處於 Maintenace LTS，從明年四月起就不再維護了。去年十月釋出的 v9 版本在今年六月結束了維護。
對於生產環境而言，Node.js 官方推薦使用最新的 LTS 版本，現在是 v10.13.0。
2、使用 fast-json-stringify 加速 JSON 序列化
在 JavaScript 中，生成 JSON 字串是非常方便的：
const json = JSON.stringify(obj)但很少人會想到這裡竟然也存在效能優化的空間，那就是使用 JSON Schema 來加速序列化。
在 JSON 序列化時，我們需要識別大量的欄位型別，比如對於 string 型別，我們就需要在兩邊加上 "，對於陣列型別，我們需要遍歷陣列，把每個物件序列化後，用 , 隔開，然後在兩邊加上 [ 和 ]，諸如此類等等。
但如果已經提前通過 Schema 知道每個欄位的型別，那麼就不需要遍歷、識別欄位型別，而可以直接用序列化對應的欄位，這就大大減少了計算開銷，這就是 fast-json-stringfy 的原理。
根據專案中的跑分，在某些情況下甚至可以比 JSON.stringify 快接近 10 倍！
一個簡單的示例：
const fastJson = require(`fast-json-stringify`)
const stringify = fastJson({
title: `Example Schema`,
type: `object`,
properties: {
name: { type: `string` },
age: { type: `integer` },
books: {
type: `array`,
items: {
type: `string`,
uniqueItems: true
}
}
}
})
console.log(stringify({
name: `Starkwang`,
age: 23,
books: [`C++ Primier`, `響け！ユーフォニアム～`]
}))
//=> {"name":"Starkwang","age":23,"books":["C++ Primier","響け！ユーフォニアム～"]}在 Node.js 的中介軟體業務中，通常會有很多資料使用 JSON 進行，並且這些 JSON 的結構是非常相似的（如果你使用了 TypeScript，更是這樣），這種場景就非常適合使用 JSON Schema 來優化。
3、提升 Promise 的效能
Promise 是解決回撥巢狀地獄的靈丹妙藥，特別是當自從 async/await 全面普及之後，它們的組合無疑成為了 JavaScript 非同步程式設計的終極解決方案，現在大量的專案都已經開始使用這種模式。
但是優雅的語法後面也隱藏著效能損耗，我們可以使用 github 上一個已有的跑分專案進行測試，以下是測試結果：
file time(ms) memory(MB)
callbacks-baseline.js 380 70.83
promises-bluebird.js 554 97.23
promises-bluebird-generator.js 585 97.05
async-bluebird.js 593 105.43
promises-es2015-util.promisify.js 1203 219.04
promises-es2015-native.js 1257 227.03
async-es2017-native.js 1312 231.08
async-es2017-util.promisify.js 1550 228.74
Platform info:
Darwin 18.0.0 x64
Node.JS 11.1.0
V8 7.0.276.32-node.7
Intel(R) Core(TM) i5-5257U CPU @ 2.70GHz × 4我們可以從結果中看到，原生 async/await + Promise 的效能比 callback 要差很多，並且記憶體佔用也高得多。對於大量非同步邏輯的中介軟體專案而言，這裡的效能開銷還是不能忽視的。
通過對比可以發現，效能損耗主要來自於 Promise 物件自身的實現，V8 原生實現的 Promise 比 bluebird 這樣第三方實現的 Promise 庫要慢很多。而 async/await 語法並不會帶來太多的效能損失。
所以對於大量非同步邏輯、輕量計算的中介軟體專案而言，可以在程式碼中把全域性的 Promise 換為 bluebird 的實現：
global.Promise = require(`bluebird`);4、正確地編寫非同步程式碼
使用 async/await 之後，專案的非同步程式碼會非常好看：
const foo = await doSomethingAsync();
const bar = await doSomethingElseAsync();但因此，有時我們也會忘記使用 Promise 給我們帶來的其它能力，比如 Promise.all() 的並行能力：
// bad
async function getUserInfo(id) {
const profile = await getUserProfile(id);
const repo = await getUserRepo(id)
return { profile, repo }
}
// good
async function getUserInfo(id) {
const [profile, repo] = await Promise.all([
getUserProfile(id),
getUserRepo(id)
])
return { profile, repo }
}還有比如 Promise.any()（此方法不在ES6 Promise標準中，也可以使用標準的 Promise.race() 代替），我們可以用它輕鬆實現更加可靠快速的呼叫：
async function getServiceIP(name) {
// 從 DNS 和 ZooKeeper 獲取服務 IP，哪個先成功返回用哪個
// 與 Promise.race 不同的是，這裡只有當兩個呼叫都 reject 時，才會丟擲錯誤
return await Promise.any([
getIPFromDNS(name),
getIPFromZooKeeper(name)
])
} 5、優化 V8 GC
關於 V8 的垃圾回收機制，已經有很多類似的文章了，這裡就不再重複介紹。推薦兩篇文章：
我們在日常開發程式碼的時候，比較容易踩到下面幾個坑：
坑一：使用大物件作為快取，導致老生代（Old Space）的垃圾回收變慢
示例：
const cache = {}
async function getUserInfo(id) {
if (!cache[id]) {
cache[id] = await getUserInfoFromDatabase(id)
}
return cache[id]
}這裡我們使用了一個變數 cache 作為快取，加速使用者資訊的查詢，進行了很多次查詢後，cache 物件會進入老生代，並且會變得無比龐大，而老生代是使用三色標記 + DFS 的方式進行 GC 的，一個大物件會直接導致 GC 花費的時間增長（而且也有記憶體洩漏的風險）。
解決方法就是：
- 使用 Redis 這樣的外部快取，實際上像 Redis 這樣的記憶體型資料庫非常適合這種場景；
- 限制本地快取物件的大小，比如使用 FIFO、TTL 之類的機制來清理物件中的快取。
坑二：新生代空間不足，導致頻繁 GC
這個坑會比較隱蔽。
Node.js 預設給新生代分配的記憶體是 64MB（64位的機器，後同），但因為新生代 GC 使用的是 Scavenge 演算法，所以實際能使用的記憶體只有一半，即 32MB。
當業務程式碼頻繁地產生大量的小物件時，這個空間很容易就會被佔滿，從而觸發 GC。雖然新生代的 GC 比老生代要快得多，但頻繁的 GC 依然會很大地影響效能。極端的情況下，GC 甚至可以佔用全部計算時間的 30% 左右。
解決方法就是，在啟動 Node.js 時，修改新生代的記憶體上限，減少 GC 的次數：
node --max-semi-space-size=128 app.js當然有人肯定會問，新生代的記憶體是不是越大越好呢？
隨著記憶體的增大，GC 的次數減少，但每次 GC 所需要的時間也會增加，所以並不是越大越好，具體數值需要對業務進行壓測 profile 才能確定分配多少新生代記憶體最好。
但一般根據經驗而言，分配 64MB 或者 128MB 是比較合理的。
6、正確地使用 Stream
Stream 是 Node.js 最基本的概念之一，Node.js 內部的大部分與 IO 相關的模組，比如 http、net、fs、repl，都是建立在各種 Stream 之上的。
下面這個經典的例子應該大部分人都知道，對於大檔案，我們不需要把它完全讀入記憶體，而是使用 Stream 流式地把它傳送出去：
const http = require(`http`);
const fs = require(`fs`);
// bad
http.createServer(function (req, res) {
fs.readFile(__dirname + `/data.txt`, function (err, data) {
res.end(data);
});
});
// good
http.createServer(function (req, res) {
const stream = fs.createReadStream(__dirname + `/data.txt`);
stream.pipe(res);
});在業務程式碼中合理地使用 Stream 能很大程度地提升效能，當然是但實際的業務中我們很可能會忽略這一點，比如採用 React 伺服器端渲染的專案，我們就可以用 renderToNodeStream：
const ReactDOMServer require(`react-dom/server`)
const http = require(`http`)
const fs = require(`fs`)
const app = require(`./app`)
// bad
const server = http.createServer((req, res) => {
const body = ReactDOMServer.renderToString(app)
res.end(body)
});
// good
const server = http.createServer(function (req, res) {
const stream = ReactDOMServer.renderToNodeStream(app)
stream.pipe(res)
})
server.listen(8000)使用 pipeline 管理 stream
在過去的 Node.js 中，處理 stream 是非常麻煩的，舉個例子：
source.pipe(a).pipe(b).pipe(c).pipe(dest)一旦其中 source、a、b、c、dest 中，有任何一個 stream 出錯或者關閉，會導致整個管道停止，此時我們需要手工銷燬所有的 stream，在程式碼層面這是非常麻煩的。
所以社群出現了 pump 這樣的庫來自動控制 stream 的銷燬。而 Node.js v10.0 加入了一個新的特性：stream.pipeline，可以替代 pump 幫助我們更好的管理 stream。
一個官方的例子：
const { pipeline } = require(`stream`);
const fs = require(`fs`);
const zlib = require(`zlib`);
pipeline(
fs.createReadStream(`archive.tar`),
zlib.createGzip(),
fs.createWriteStream(`archive.tar.gz`),
(err) => {
if (err) {
console.error(`Pipeline failed`, err);
} else {
console.log(`Pipeline succeeded`);
}
}
);實現自己的高效能 Stream
在業務中你可能也會自己實現一個 Stream，可讀、可寫、或者雙向流，可以參考文件：
Stream 雖然很神奇，但自己實現 Stream 也可能會存在隱藏的效能問題，比如：
class MyReadable extends Readable {
_read(size) {
while (null !== (chunk = getNextChunk())) {
this.push(chunk);
}
}
}當我們呼叫 new MyReadable().pipe(xxx) 時，會把 getNextChunk() 所得到的 chunk 都 push 出去，直到讀取結束。但如果此時管道的下一步處理速度較慢，就會導致資料堆積在記憶體中，導致記憶體佔用變大，GC 速度降低。
而正確的做法應該是，根據 this.push() 返回值選擇正確的行為，當返回值為 false 時，說明此時堆積的 chunk 已經滿了，應該停止讀入。
class MyReadable extends Readable {
_read(size) {
while (null !== (chunk = getNextChunk())) {
if (!this.push(chunk)) {
return false
}
}
}
}這個問題在 Node.js 官方的一篇文章中有詳細的介紹：Backpressuring in Streams
7、C++ 擴充套件一定比 JavaScript 快嗎？
Node.js 非常適合 IO 密集型的應用，而對於計算密集的業務，很多人都會想到用編寫 C++ Addon 的方式來優化效能。但實際上 C++ 擴充套件並不是靈丹妙藥，V8 的效能也沒有想象的那麼差。
比如，我在今年九月份的時候把 Node.js 的 net.isIPv6() 從 C++ 遷移到了 JS 的實現，讓大多數的測試用例都獲得了 10%- 250% 不等的效能提升（具體PR可以看這裡）。
JavaScript 在 V8 上跑得比 C++ 擴充套件還快，這種情況多半發生在與字串、正規表示式相關的場景，因為 V8 內部使用的正規表示式引擎是 irregexp，這個正規表示式引擎比 boost 中自帶的引擎（boost::regex）要快得多。
還有一處值得注意的就是，Node.js 的 C++ 擴充套件在進行型別轉換的時候，可能會消耗非常多的效能，如果不注意 C++ 程式碼的細節，效能會很大地下降。
這裡有一篇文章對比了相同演算法下 C++ 和 JS 的效能（需翻牆）：How to get a performance boost using Node.js native addons。其中值得注意的結論就是，C++ 程式碼在對引數中的字串進行轉換後（String::Utf8Value轉為std::string），效能甚至不如 JS 實現的一半。只有在使用 NAN 提供的型別封裝後，才獲得了比 JS 更高的效能。
換句話說，C++ 是否比 JavaScript 更加高效需要具體問題具體分析，某些情況下，C++ 擴充套件不一定就會比原生 JavaScript 更高效。如果你對自己的 C++ 水平不是那麼有信心，其實還是建議用 JavaScript 來實現，因為 V8 的效能比你想象的要好得多。
8、使用 node-clinic 快速定位效能問題
說了這麼多，有沒有什麼可以開箱即用，五分鐘見效的呢？當然有。
node-clinic 是 NearForm 開源的一款 Node.js 效能診斷工具，可以非常快速地定位效能問題。
npm i -g clinic
npm i -g autocannon使用的時候，先開啟服務程式：
clinic doctor -- node server.js然後我們可以用任何壓測工具跑一次壓測，比如使用同一個作者的 autocannon（當然你也可以使用 ab、curl 這樣的工具來進行壓測。）：
autocannon http://localhost:3000壓測完畢後，我們 ctrl + c 關閉 clinic 開啟的程式，就會自動生成報告。比如下面就是我們一箇中介軟體服務的效能報告：
我們可以從 CPU 的使用曲線看出，這個中介軟體服務的效能瓶頸不在自身內部的計算，而在於 I/O 速度太慢。clinic 也在上面告訴我們檢測到了潛在的 I/O 問題。
下面我們使用 clinic bubbleprof 來檢測 I/O 問題：
clinic bubbleprof -- node server.js再次進行壓測後，我們得到了新的報告：
這個報告中，我們可以看到，http.Server 在整個程式執行期間，96% 的時間都處於 pending 狀態，點開後，我們會發現呼叫棧中存在大量的 empty frame，也就是說，由於網路 I/O 的限制，CPU 存在大量的空轉，這在中介軟體業務中非常常見，也為我們指明瞭優化方向不在服務內部，而在伺服器的閘道器和依賴的服務相應速度上。
想知道如何讀懂 clinic bubbleprof 生成的報告，可以看這裡：https://clinicjs.org/bubblepr…
同樣，clinic 也可以檢測到服務內部的計算效能問題，下面我們做一些“破壞”，讓這個服務的效能瓶頸出現在 CPU 計算上。
我們在某個中介軟體中加入了空轉一億次這樣非常消耗 CPU 的“破壞性”程式碼：
function sleep() {
let n = 0
while (n++ < 10e7) {
empty()
}
}
function empty() { }
module.exports = (ctx, next) => {
sleep()
// ......
return next()
}然後使用 clinic doctor，重複上面的步驟，生成效能報告：
這就是一個非常典型的同步計算阻塞了非同步佇列的“病例”，即主執行緒上進行了大量的計算，導致 JavaScript 的非同步回撥沒法及時觸發，Event Loop 的延遲極高。
對於這樣的應用，我們可以繼續使用 clinic flame 來確定到底是哪裡出現了密集計算：
clinic flame -- node app.js壓測後，我們得到了火焰圖（這裡把空轉次數減少到了100萬次，讓火焰圖看起來不至於那麼極端）：
從這張圖裡，我們可以明顯看到頂部的那個大白條，它代表了 sleep 函式空轉所消耗的 CPU 時間。根據這樣的火焰圖，我們可以非常輕鬆地看出 CPU 資源的消耗情況，從而定位程式碼中哪裡有密集的計算，找到效能瓶頸。
此文已由作者授權騰訊雲+社群釋出