The C10K Problem：为什么 poll/select 不具扩展性
在 1999 年，开发者 Dan Kegel 提出了著名的 C10K Problem：如何让一台单机同时处理 10,000 个并发连接？这个问题在当时看似遥不可及，但它深刻揭示了一个核心矛盾 —— 传统的 IO 多路复用机制在连接数增长时，性能急剧恶化。
select 和 poll 的致命缺陷在于 O(n) 复杂度的事件通知模型：
当调用 select() 时，内核需要遍历用户传入的 所有 fd（文件描述符），逐个检查它们是否有数据可读或可写。假设你维护了 10,000 个连接，而某个时刻只有 100 个活跃，内核依然要扫描全部 10,000 个。每一次 select 调用都是一次全量扫描，并且每次调用前都需要重新构建 fd 集合（因为 select 会修改传入的数组）。poll 虽然取消了 1024 的硬限制（select 在 FD_SETSIZE 不变编译时默认最大 1024），但其底层依然是基于 pollfd 数组的 O(n) 线性扫描。
这种设计在并发数较低时无伤大雅，但一旦面临 Web 服务器、反向代理、消息队列这种需要维持海量长连接的场景，CPU 大量时间被浪费在检查"无事可做"的 fd 上。C10K Problem 的出现并非意味着单机无法处理 10K 并发，而是要求操作系统提供更高效的事件通知机制，于是 epoll 诞生。
epoll：内核态事件驱动的基石
epoll 从 Linux 2.6 起成为默认的高性能 IO 多路复用方案。它的核心思想是将"关注哪些 fd"与"哪些 fd 就绪了"分离，避免每次调用都全量扫描。
核心数据结构
epoll 在内核中维护两个关键结构：
- 红黑树（rbtree）：存储所有已注册的 fd（通过
epoll_ctl(EPOLL_CTL_ADD)加入）。红黑树保证了插入、删除、查找的时间复杂度为 O(log n)。 - 就绪链表（ready list）：当某个 fd 上有事件发生时（比如 socket 收到数据），内核回调
ep_poll_callback，将对应的epitem挂到就绪链表中。
因此，当用户调用 epoll_wait() 时，内核不需要遍历所有 fd，而是直接查看就绪链表，将活跃事件拷贝到用户空间。无论注册了多少 fd，epoll_wait 的时间复杂度仅与实际就绪的 fd 数量成正比。
LT（水平触发） vs ET（边缘触发）
epoll 提供两种触发模式，这是理解和正确使用 epoll 的关键：
- LT（Level-Triggered，水平触发）：只要 fd 仍处于就绪状态（比如 socket 接收缓冲区还有未读数据），每次
epoll_wait都会返回该 fd。这是默认行为，与select/poll逻辑一致，编程友好但可能产生多余的事件通知。 - ET（Edge-Triggered，边缘触发）：仅在 fd 状态发生变化时触发一次。比如 socket 从空变为有数据时，epoll 通知一次。之后无论你读没读、读了多少，
epoll_wait都不会因为这个 fd 再次返回，直到新的数据到达导致状态再次变化。
ET 模式必须将 fd 彻底排空。原因很直观：如果你只读了部分数据，缓冲区里还有残留，但由于状态没有从"有数据"变为"无数据"再变回"有数据"，epoll 不会再通知你，这部分数据将被"遗忘"直到下一次新数据到达。因此，ET 模式下通常要用非阻塞 fd 配合循环 read() 直到返回 EAGAIN。
ET 的优势在于减少了 epoll 回调次数，在高吞吐场景下能降低内核态与用户态的切换开销。
EPOLLONESHOT
EPOLLONESHOT 是一个容易被忽略但有用的标志。当一个 fd 被设置了这个标志后，epoll 会将其从就绪链表中自动禁用（不是从红黑树中删除），直到用户显式地通过 epoll_ctl(EPOLL_CTL_MOD) 重新启用。在多线程环境中，这确保了某个 fd 的读写事件只会被一个工作线程获取和处理，避免竞态。
Reactor 模式映射
epoll 天然契合 Reactor（反应堆）模式：
- 事件多路分解器：
epoll_wait扮演这个角色，阻塞等待 IO 事件。 - 事件处理器：当事件就绪后，Reactor 将事件分发给注册的回调（如
on_readable、on_writable）。 - 同步 IO：epoll 本身只负责通知"数据已就绪"，真正的
read()/write()还是由用户线程同步执行。
Netty、Nginx、Redis （单线程 Reactor）、Node.js 都是基于 epoll（或平台等价的 kqueue）构建的 Reactor 架构。
epoll echo server 示例
#define MAX_EVENTS 1024
#define PORT 8080
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <unistd.h>
#include <errno.h>
#include <fcntl.h>
#include <sys/epoll.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
static void set_nonblocking(int fd) {
int flags = fcntl(fd, F_GETFL, 0);
fcntl(fd, F_SETFL, flags | O_NONBLOCK);
}
static int create_listen_socket(int port) {
int fd = socket(AF_INET, SOCK_STREAM, 0);
int opt = 1;
setsockopt(fd, SOL_SOCKET, SO_REUSEADDR, &opt, sizeof(opt));
set_nonblocking(fd);
struct sockaddr_in addr = {0};
addr.sin_family = AF_INET;
addr.sin_addr.s_addr = INADDR_ANY;
addr.sin_port = htons(port);
bind(fd, (struct sockaddr *)&addr, sizeof(addr));
listen(fd, 128);
return fd;
}
int main(void) {
int listen_fd = create_listen_socket(PORT);
int epoll_fd = epoll_create1(0);
struct epoll_event ev, events[MAX_EVENTS];
ev.events = EPOLLIN;
ev.data.fd = listen_fd;
epoll_ctl(epoll_fd, EPOLL_CTL_ADD, listen_fd, &ev);
printf("epoll server listening on port %d\n", PORT);
while (1) {
int nfds = epoll_wait(epoll_fd, events, MAX_EVENTS, -1);
for (int i = 0; i < nfds; i++) {
int fd = events[i].data.fd;
if (fd == listen_fd) {
struct sockaddr_in client_addr;
socklen_t len = sizeof(client_addr);
int conn_fd = accept(listen_fd, (struct sockaddr *)&client_addr, &len);
set_nonblocking(conn_fd);
ev.events = EPOLLIN | EPOLLET;
ev.data.fd = conn_fd;
epoll_ctl(epoll_fd, EPOLL_CTL_ADD, conn_fd, &ev);
} else if (events[i].events & EPOLLIN) {
char buf[4096];
int n = read(fd, buf, sizeof(buf));
if (n > 0) {
write(fd, buf, n); // echo back
} else {
close(fd);
}
}
}
}
close(epoll_fd);
return 0;
}
io_uring：Linux 5.1+ 的异步 IO 革命
如果说 epoll 解决了"如何高效知道 fd 就绪"的问题，那么 io_uring 解决的是更深层的"如何高效执行 IO"的问题。由 Jens Axboe 主导引入 Linux 5.1，io_uring 彻底重构了用户态与内核态的交互方式。
核心架构：SQ 与 CQ 环形缓冲区
io_uring 的关键创新在于共享内存环形队列：
- Submission Queue（SQ）：用户态将 IO 请求（如 read、write、accept）以 Submission Queue Entry（SQE）的形式放入此队列。
- Completion Queue（CQ）：内核完成 IO 后，将结果以 Completion Queue Entry（CQE）的形式放入此队列。
这两个队列通过 mmap 映射到用户空间，用户态与内核态直接读写共享内存，无需传统系统调用中的参数拷贝。更关键的是，在 fast path 上（初始化之后），用户态不需要发出任何系统调用即可提交请求和收割结果，这消除了传统 epoll_wait + read/write 路径上的 syscall 开销。
主要优势
- 零系统调用 fast path：批量提交和批量收割全部通过内存操作完成。
- 网络与磁盘 IO 统一：epoll 对网络 IO 友好但对文件系统 IO 无能为力（传统 Linux AIO 存在诸多限制，如 O_DIRECT 要求）。io_uring 统一了两者。
- 批量处理：一次提交成百上千个 SQE，内核可以更高效地调度和合并请求。
- Polling 模式：开启
IORING_SETUP_IOPOLL（用于块设备）或IORING_SETUP_SQPOLL（内核线程持续轮询 SQ），可将延迟压到微秒级，完全绕过中断开销。
SQE 与 CQE
- SQE（Submission Queue Entry）：描述一个具体操作，包括 opcode（操作类型，如
IORING_OP_READ、IORING_OP_WRITE、IORING_OP_ACCEPT等）、fd、buffer 地址、偏移量、flags 等。 - CQE（Completion Queue Entry）：包含操作的完成结果，主要是
res（返回值，可能为成功字节数或负的错误码）和user_data（用户传入的标识，通常用于关联请求与回调）。
io_uring echo server 示例
#define QUEUE_DEPTH 256
#define PORT 8080
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <unistd.h>
#include <fcntl.h>
#include <liburing.h>
#include <sys/socket.h>
#include <netinet/in.h>
#define TYPE_ACCEPT 0
#define TYPE_READ 1
#define TYPE_WRITE 2
struct conn_info {
int fd;
int type;
};
static int create_listen_socket(int port) {
int fd = socket(AF_INET, SOCK_STREAM, 0);
int opt = 1;
setsockopt(fd, SOL_SOCKET, SO_REUSEADDR, &opt, sizeof(opt));
fcntl(fd, F_SETFL, fcntl(fd, F_GETFL, 0) | O_NONBLOCK);
struct sockaddr_in addr = {0};
addr.sin_family = AF_INET;
addr.sin_addr.s_addr = INADDR_ANY;
addr.sin_port = htons(port);
bind(fd, (struct sockaddr *)&addr, sizeof(addr));
listen(fd, 128);
return fd;
}
static void add_accept(struct io_uring *ring, int fd) {
struct io_uring_sqe *sqe = io_uring_get_sqe(ring);
struct conn_info *ci = malloc(sizeof(struct conn_info));
ci->fd = fd;
ci->type = TYPE_ACCEPT;
io_uring_prep_accept(sqe, fd, NULL, NULL, 0);
io_uring_sqe_set_data(sqe, ci);
}
static void add_read(struct io_uring *ring, int fd) {
struct io_uring_sqe *sqe = io_uring_get_sqe(ring);
struct conn_info *ci = malloc(sizeof(struct conn_info));
ci->fd = fd;
ci->type = TYPE_READ;
void *buf = malloc(4096);
io_uring_prep_read(sqe, fd, buf, 4096, 0);
io_uring_sqe_set_data(sqe, ci);
}
static void add_write(struct io_uring *ring, int fd, void *buf, size_t len) {
struct io_uring_sqe *sqe = io_uring_get_sqe(ring);
struct conn_info *ci = malloc(sizeof(struct conn_info));
ci->fd = fd;
ci->type = TYPE_WRITE;
io_uring_prep_write(sqe, fd, buf, len, 0);
io_uring_sqe_set_data(sqe, ci);
}
int main(void) {
struct io_uring ring;
struct io_uring_params params = {0};
io_uring_queue_init_params(QUEUE_DEPTH, &ring, ¶ms);
int listen_fd = create_listen_socket(PORT);
add_accept(&ring, listen_fd);
io_uring_submit(&ring);
printf("io_uring server listening on port %d\n", PORT);
while (1) {
struct io_uring_cqe *cqe;
io_uring_wait_cqe(&ring, &cqe);
struct conn_info *ci = io_uring_cqe_get_data(cqe);
if (ci->type == TYPE_ACCEPT) {
int conn_fd = cqe->res;
if (conn_fd >= 0) {
fcntl(conn_fd, F_SETFL, fcntl(conn_fd, F_GETFL, 0) | O_NONBLOCK);
add_read(&ring, conn_fd);
}
add_accept(&ring, listen_fd);
} else if (ci->type == TYPE_READ) {
int bytes = cqe->res;
if (bytes > 0) {
add_write(&ring, ci->fd, io_uring_cqe_get_data(cqe), bytes); /* 简化：实际需要保存 buf 指针 */
} else {
close(ci->fd);
}
} else if (ci->type == TYPE_WRITE) {
add_read(&ring, ci->fd);
}
free(ci);
io_uring_cqe_seen(&ring, cqe);
io_uring_submit(&ring);
}
io_uring_queue_exit(&ring);
return 0;
}
（注：完整生产级代码需管理 buffer 生命周期与错误边界。）
与 epoll 的对比
对于服务器工作负载，两者并非简单的替代关系：
- epoll 的编程模型简单直观，在 CPU 不是绝对瓶颈时已经足够高效。
- io_uring 在高吞吐、低延迟极限场景下更具优势，尤其是需要同时处理大量磁盘和网络 IO 时。
- io_uring 的成熟度正在快速提高（Linux 5.10+ 已较为稳定），但相比 epoll 二十年的生态积累，第三方库和调试工具仍在完善中。
select / poll / epoll / io_uring 对比
| 机制 | 复杂度 | 可扩展性 | 典型适用场景 |
|---|---|---|---|
| select | O(n) 全量 fd 扫描 | 约 1024 fds（受 FD_SETSIZE 限制） | 遗留代码，极度简单的程序 |
| poll | O(n) pollfd 数组扫描 | 无硬性上限，但随 fd 数增长线性变慢 | 中等并发量，兼容 POSIX |
| epoll | O(1) 仅活跃 fd | 10万+ fds | 高并发网络服务器 |
| io_uring | 零系统调用 fast path | 10万+ fds | 极限性能、网络+磁盘统一异步 IO |
Reactor vs Proactor 模式
理解这两个经典 IO 设计模式，有助于在 epoll 和 io_uring 之间做出架构决策。
Reactor（反应堆）
- 核心：同步等待事件就绪，然后同步执行 IO。
- 流程：
epoll_wait发现 socket 可读 → 线程池中的工作线程执行read()→ 业务处理 →write()。 - IO 的"实际搬运"由用户线程完成。
- 适合：epoll + 线程池模型。Nginx、Redis、Netty 均属于此列。
Proactor（前摄器）
- 核心：由操作系统异步执行 IO，完成后再通知用户态。
- 流程：用户提交一个 read 请求给内核 → 内核负责将数据从网卡拷贝到用户 buffer → 完成后通过 CQE 通知用户"IO 已完成，直接使用数据"。
- IO 的"实际搬运"由内核完成，用户态看到的是"已经完成了的"结果。
- 适合：io_uring、Windows IOCP、POSIX AIO。
如何选择
- Reactor 的编程心智模型更直接，调试容易，生态最成熟，适用于绝大多数互联网服务端场景。
- Proactor 在极限性能、尤其是超高 QPS 且 CPU 核心数充裕时表现更优，因为内核可以被更精细地调度来执行数据搬运。io_uring 使 Linux 首次拥有了真正可用的 Proactor 能力。
实际性能分析与调优
使用 wrk / wrk2 进行压测
# wrk：测试最大吞吐
wrk -t12 -c400 -d30s http://localhost:8080/
# wrk2：固定吞吐，测量延迟分布（更适合发现尾延迟）
wrk -t12 -c400 -d30s -R200000 http://localhost:8080/
关注两个维度：
- 吞吐量（Requests/sec）：系统每秒能处理多少请求。
- 延迟分布（Latency Distribution）：p50、p99、p999 分别代表 50%、99%、99.9% 的请求耗时。对于用户体验和 SLA，
p99有时比平均值更重要。一个服务如果 p50 是 1ms 但 p99 是 500ms，说明存在严重的尾延迟问题。
io_uring polling 模式的适用场景
io_uring 支持内核轮询模式（IORING_SETUP_SQPOLL），此时内核线程会持续检查 SQ 是否有新请求。这带来两个影响：
- 降低延迟：无需用户态进入内核的 syscall 开销，也无需等待中断，整体延迟可以压到几个微秒。
- CPU 占用上升：轮询线程会占用一个 CPU 核心持续运行（即使无事可做）。
因此，polling 模式最适合延迟敏感型、低并发但超高频、CPU 资源充足的场景，如高频交易、游戏服务器、缓存中间件。对于一般的 Web 服务，中断驱动模式（默认）通常性价比更高。
此外，在分析性能瓶颈时，善用 perf、eBPF（bpftrace）、/proc/<pid>/status 中的 voluntary_ctxt_switches 等工具，能帮你判断是 syscall 开销、上下文切换、还是 lock contention 在拖后腿。
总结
Linux IO 模型经历了从同步阻塞到多路复用、再到真正异步的演进。select 和 poll 因 O(n) 扫描而受限于 C10K 量级；epoll 通过红黑树和就绪链表将事件通知提升到 O(1) 级别，支撑了现代互联网基础设施；io_uring 则进一步通过共享内存环形队列消除了系统调用开销，统一了网络与磁盘 IO，将 Linux 推向了 Proactor 模式的新高度。
对于大多数后端开发者，掌握 epoll 与 Reactor 模式仍是基本功。而当业务需要榨干单机极限性能时，io_uring 是不可忽视的下一代武器。选择什么，取决于你要解决的是 C10K，还是 C1000K。
继续阅读
探索更多技术文章
浏览归档，发现更多关于系统设计、工具链和工程实践的内容。