一、测试背景与目标设定

在实时通信场景中，Socket.IO凭借其基于WebSocket的双向通信能力，已成为游戏同步、金融行情推送、在线协作等领域的首选方案。然而，随着业务规模扩张，单节点承载能力、消息吞吐量、连接稳定性等指标成为制约系统扩展的关键瓶颈。本次压测旨在验证Socket.IO服务在10万级并发连接下的性能表现，明确以下核心目标：

1. 基准性能指标：单节点最大并发连接数、消息吞吐量（TPS）、平均响应时延
2. 稳定性验证：持续高负载运行时的内存泄漏、连接断开率、错误日志分布
3. 资源消耗分析：CPU、内存、网络带宽的占用趋势与峰值
4. 扩展性边界：水平扩展（多节点集群）与垂直扩展（单节点升级）的收益对比

测试环境采用4核8G的Linux服务器（CentOS 7.6），部署Node.js 16.14.0 + Socket.IO 4.5.0，客户端模拟器选用Locust 2.8.6（Python实现），通过分布式负载生成10万并发连接。

二、压测方案设计

1. 测试场景分类

• 连接建立阶段：模拟10万客户端在1分钟内完成TCP握手、WebSocket升级、Socket.IO握手的全流程，验证连接建立成功率与时延。
• 稳态消息传输：客户端以固定频率（1条/秒）发送JSON格式消息（平均200字节），持续30分钟，统计消息到达率与时延分布。
• 突发流量测试：在稳态基础上，模拟10秒内10%客户端同时发送10条消息的突发场景，观察系统缓冲能力与恢复速度。
• 异常恢复测试：主动终止30%客户端连接后，观察系统重连机制与资源回收效率。

2. 关键参数配置

• Socket.IO服务器优化：

  const io = new Server(httpServer, {
    cors: { origin: "*" },
    pingInterval: 25000,  // 心跳间隔
    pingTimeout: 60000,   // 超时判定
    maxHttpBufferSize: 1e6, // 消息缓冲区大小
    transports: ['websocket'] // 禁用轮询以提升性能
  });

• Locust负载配置：

  from locust import HttpUser, task, between
  class SocketIOUser(HttpUser):
      wait_time = between(0.5, 1.5)  # 消息发送间隔
      @task
      def send_message(self):
          self.client.post("/socket.io/", json={"data": "test"})

3. 监控指标体系

• 服务端指标：通过prom-client暴露Node.js进程的CPU、内存、事件循环延迟，结合Nginx的连接状态统计。
• 客户端指标：Locust内置的响应时间、失败率统计，补充自定义的WebSocket连接时延采集。
• 网络指标：使用iftop监控出入口带宽占用，netstat统计连接状态分布。

三、压测执行与问题暴露

1. 初始测试结果

在10万并发连接下，系统出现以下异常：

• 连接建立失败：约15%客户端在WebSocket升级阶段超时，错误日志显示429 Too Many Requests。
• 内存泄漏：运行1小时后，RSS内存从1.2GB增长至3.8GB，最终触发OOM。
• 消息延迟：P99时延达到2.3秒，远超业务要求的500ms阈值。

2. 根因分析

• 连接数限制：未调整Linux系统参数，导致net.core.somaxconn（默认128）成为瓶颈。
• 内存碎片：Socket.IO未启用消息压缩，频繁分配大块内存引发V8引擎碎片化。
• 事件循环阻塞：高并发下process.nextTick()队列堆积，导致事件处理延迟。

四、优化策略与验证

1. 系统级优化

• 内核参数调优：

  sysctl -w net.core.somaxconn=65535
  sysctl -w net.ipv4.tcp_max_syn_backlog=65535
  echo 1000000 > /proc/sys/fs/nr_open

• Node.js进程限制：

  ulimit -n 1000000  # 提升文件描述符限制

2. 应用层优化

• 消息压缩：启用permessage-deflate扩展：

  const io = new Server(httpServer, {
    perMessageDeflate: {
      threshold: 1024,  // 仅压缩大于1KB的消息
      level: 6          // 压缩级别（1-9）
    }
  });

• 连接池管理：实现客户端重连缓存，避免频繁握手：

  let socket;
  function connect() {
    socket = io({
      reconnectionAttempts: 5,
      timeout: 5000
    });
  }

3. 架构优化

• 水平扩展：部署3节点集群，通过Nginx负载均衡：

  upstream socket_nodes {
    server node1:3000;
    server node2:3000;
    server node3:3000;
  }
  server {
    location /socket.io/ {
      proxy_pass http://socket_nodes;
      proxy_http_version 1.1;
      proxy_set_header Upgrade $http_upgrade;
      proxy_set_header Connection "upgrade";
    }
  }

4. 优化后效果

• 连接成功率：提升至99.2%，WebSocket升级时延从1.2秒降至350ms。
• 内存占用：稳态运行下RSS稳定在2.1GB，无持续增长。
• 吞吐量：单节点TPS从1.2万提升至3.8万，集群整体达11.4万。
• 延迟指标：P99时延压缩至420ms，满足业务需求。

五、经验总结与建议

1. 压测阶段划分：建议按“单节点基准→集群扩展→异常场景”顺序逐步验证，避免一次性复杂场景导致问题定位困难。
2. 监控颗粒度：除基础指标外，需重点关注Node.js的heapUsed、eventLoopDelay等深度指标。
3. 优化优先级：系统参数调优（成本低、收益高）＞消息压缩＞架构扩展，内存泄漏问题需优先解决。
4. 自动化工具链：推荐结合k6（HTTP压测）+Socket.IO-client（WebSocket专用）+Grafana（可视化）构建自动化测试平台。

本次压测不仅验证了Socket.IO在10万级并发下的可行性，更沉淀出一套可复用的性能调优方法论。对于实时通信类业务，建议每季度执行一次全链路压测，持续跟踪性能衰减趋势，为架构升级提供数据支撑。