当前位置： 首页 > article >正文

Nginx：性能优化

article 2025/1/7 15:29:58

在这里插入图片描述
性能优化是确保 Nginx 在高负载下依然能够高效运行的关键部分。通过合理的配置和调优，可以显著提升 Web 服务的响应速度、吞吐量以及资源利用率。

1. 调整工作进程数、并发连接数以及cpu亲和性

  • worker_processes：根据 CPU 核心数设置适当的工作进程数。一般cpu有多少核，就设置多少个worker进程，也可以使用 auto 可以让 Nginx 自动根据 CPU 核心数调整。

    worker_processes auto;

  • worker_connections：每个工作进程允许的最大并发连接数。根据服务器内存和预期负载调整此值。

    events {
    worker_connections 1024;
}

worker_cpu_affinity：为每个worker进程分配一个或多个CPU核心，通过绑定特定的worker进程到特定的CPU核心，减少上下文切换带来的开销。这可以通过位掩码来实现，其中每一位代表一个CPU核心（从右到左编号为0, 1, 2, …）

worker_processes 4;

worker_cpu_affinity 0001 0010 0100 1000;
2. 启用异步事件驱动模型

  • use epoll 或 use kqueue：选择适合操作系统的事件驱动模型（Linux 使用 epoll，BSD 和 macOS 使用 kqueue），以提高 I/O 处理效率。

    events {
    use epoll;
    worker_connections 1024;
}
3. 启用 Gzip 压缩

压缩响应内容可以减少传输数据量，加快页面加载速度。

  • gzip on;：启用 Gzip 压缩。

  • gzip_types


http://www.kler.cn/a/468345.html

相关文章：

  • 文件上传漏洞 （网络安全）
  • F#语言的网络编程
  • GoFrame 基础入门
  • element-ui 2的级联选择器，回显已存储的子选项名称
  • C++进阶——用Hash封装unordered_map和unordered_set
  • 202-01-06 Unity 使用 Tip1 —— UnityHub 模块卸载重装
  • 【MATLAB第112期】基于MATLAB的SHAP可解释神经网络回归模型（敏感性分析方法）
  • Hadoop•FinalShell连接VMware免密登录
  • centos7搭建大数据集群环境准备--安装java和scala环境
  • Lua语言的数据结构
  • （Pytorch）torch.autograd.grad()与torch.autograd.backward()
  • 爬取数据时如何设置合适的请求频率？
  • 八大排序算法，快排的三种递归非递归实现，归并的递归非递归实现，排序算法复杂度及稳定性分析【有图解】
  • Vue3实现PDF在线预览功能
  • 解析 SQL 中的 NULL 与比较操作：NULL 值与任何值的比较会返回 UNKNOWN
  • Visual Studio C++使用笔记
  • 【数学建模笔记】评价模型-基于熵权法的TOPSIS模型
  • PyTorch通过搭建LSTM网络，对MNIST手写数字数据集进行了训练和评估，实现了对手写数字的分类功能
  • 生成模型的现状2025年的新兴趋势
  • 手机投屏到电视的3种选择：无线本地投屏，无线远程投屏，AirPlay投屏
  • 设计模式 结构型 享元模式（Flyweight Pattern）与 常见技术框架应用 解析
  • np.ndarray 是 NumPy 库中的核心数据结构
  • 雅思真题短语梳理（三十五）
  • 决策树（二）属性选择度量之基尼系数详细讲解
  • lec7-路由与路由器
  • 《ROS2 机器人开发 从入门道实践》 鱼香ROS2——第5章内容