本文来自EasyDarwin团队Fantasy（fantasy(at)easydarwin.org）
一. EasyDarwin网络模型介绍
EventContext负责监听全部网络读写事件。EventContext::RequestEvent每次插入一个监听事件到
监听列表（select 文件描写叙述符集合），EventThread::Entry()死循环监听加入到该FD_SET的全部文件描写叙述符的
事件。Entry()->select_waitevent()每次返回下一个要处理的事件节点，包含事件处理对象的哈希key,以及事件类型。
然后投递到线程池中的某一个线程的任务队列。注意这里是每个线程维护自己的任务队列。
相关代码，ProcessEvent->Signal()。当中实现了一个简单的均衡算法，决定投递到哪一个线程的任务队列。EventContext每处理完一个事件，会删掉监听的文件描写叙述符。然后执行完后会再次调用RequestEvent()插入到监听列表。并且激活监听(往管道写数据)。TaskThread::Entry()负责处理上面投递过来的任务，执行虚方法Run()。相关代码。theTimeout = theTask->Run()。全部网络模块均会继承并实现Task类的Run()方法。
二. select和epoll的区别
select内核实现，
sys_select()->do_select()
{
for(;;)
{
循环遍历FD_SET看是否有事件发生，
}
}
select最大仅仅支持1024个文件描写叙述符。原因#define __FD_SETSIZE 1024，定义超过1024会造成处理性能上的下降；
epoll内核实现，
网络事件中断中调用ep_poll_callback()，将网络事件加入到epoll队列。这样，epoll_wait()等待的时候，就不会像select循环，由于队列中的每个事件都是有效的。
由此看来epoll比select效率高，并且队列不受限制。可以随意大小。
可是假设select命中到有效的时间的概率也很高的时候，它俩效率是几乎相同的。
三. 把EasyDarwin的网络模型换成epoll
实现过程比較简单。依照前面select提供的接口，挨个实现一遍。然后把调用的地方加以操作系统类型的宏开关，兼容windows的编译。
实现之后，调试却花了很长时间，刚開始发现线程池在插入监听事件的时候会出现资源竞争，程序执行了一段时间后就出现异常了，不读取推送的数据了。经过review代码发现应该是没有加锁导致插入的时候资源竞争，有的没有成功插入，所以监听不到事件。后面加锁后经过调试，避免了一些死锁问题后，稳定执行了几天没有出现故障。
经过年前后将近2个月的开发和稳定调试、測试。EasyDarwin开源流媒体server最终成功将底层select网络模型改动优化成epoll网络模型。将EasyDarwin流媒体server在网络处理的效率上提升到了还有一个档次（这里得感谢EasyDarwin开源团队成员Fantasy的无私贡献，是他牺牲宝贵的业余歇息时间，连夜奋战开发和调试。才干取得EasyDarwin底层改造的成果）。
众所周知，select模型在处理大并发量的网络请求上具有一些瓶颈。默认在Linux上同一时候可以处理的网络连接数FD_SETSIZE为1024，尽管可以通过改动FD_SETSIZE的定义大小，但在FD_SETSIZE大于1024时。由于select模型先天的原因。对网络事件无法做到及时准确定位。其处理性能上并没有得到同步的提升，所以，带来的就是整个流媒体server在并发量上的瓶颈；而改动成epoll网络模型之后，其网络事件的处理性能得到提升，再加上EasyDarwin架构上的优势，採用线程池。任务队列及Reactor技术，使得网络事件可以很高效地被感知、处理（这里的任务队列还涉及到一个无锁队列的优化，这个在兴许的博客中会详细分析），这样，使得整个EasyDarwin流媒体server具有很高效的事件处理能力。并且经过长时间的測试。稳定性很好！
须要说明的是，EasyDarwin在Windows端还是沿用的select网络模型。从眼下的情况上来看。大并发量需求的项目多数部署在Linux系统上，Windows上EasyDarwin作为小规模或者研究型项目，全然可以满足需求。所以，将EasyDarwin+IOCP列入以后的开发计划中；
Epoll模型基本的代码在EasyDarwin Github上，文件夹位置在：https://github.com/EasyDarwin/EasyDarwin/tree/master/CommonUtilitiesLib。主要文件是：epollEvent.h和epollEvent.cpp
EasyDarwin开源流媒体server项目还在一直进行更加高性能的优化，项目地址：https://github.com/EasyDarwin
获取很多其它信息
Copyright © EasyDarwin.org 2013-2016