Meteor 为数千个并发用户提供服务器端内存使用情况

Posted 2023-03-08

【中文标题】Meteor 为数千个并发用户提供服务器端内存使用情况

【英文标题】：Meteor server-side memory usage for thousands of concurrent users

【发布时间】：2013-06-09 00:34:09

【问题描述】：

基于this answer，看起来流星服务器为每个连接的客户端保留了缓存的内存副本。我的理解是，在处理客户端上的重叠订阅时，使用它是为了避免发送多个数据副本。

链接答案的相关部分（重点是我的）：

合并框：合并框的作用是将客户端所有活动发布函数的结果（添加、更改和删除的调用）合并到单个数据流中。 每个连接的客户端都有一个合并框。它拥有客户端 minimongo 缓存的完整副本。

假设在当前版本的流星中答案仍然准确，随着用户数量的增加，这不会在服务器上造成巨大的内存浪费吗？

作为一个现成的计算，如果一个应用程序的每个客户端有大约 100kB 的缓存，那么 10,000 个并发用户将使用服务器上 1GB 的内存，而 100,000 个用户将使用高达 10GB 的内存！即使每个客户查看几乎相同的数据也是如此。应用使用的数据比每个客户端使用的数据多得多，这似乎是合理的，这会进一步加剧问题。

当前版本的 Meteor 是否存在这个问题？如果是这样，可以使用哪些技术来限制服务器管理所有客户端订阅所需的内存量？

【问题讨论】：

我没有你的问题的答案，但只是一个简短的评论：我认为如果你正在考虑为 100,000 个并发用户提供服务，那么无论如何你都会在其他方面遇到瓶颈。 10GB 不算什么，即使是最小的 HP DL160“披萨盒”服务器也可以加载 192GB。另请注意，MDG 计划通过称为“星系”的东西来扩展 Meteor - 最新更新在这里：groups.google.com/forum/?fromgroups#!topic/meteor-core/…

【参考方案1】：

看看 Arunoda 在他的 meteorhacks.com 博客上的这篇文章：http://meteorhacks.com/making-meteor-500-faster-with-smart-collections.html

其中谈到了他的智能收藏页面：http://meteorhacks.com/introducing-smart-collections.html

他创建了一个替代的 Collection 堆栈，它成功地实现了速度、效率（内存和 cpu）和可扩展性的目标（您可以在帖子中看到图表比较）。诚然，在他的测试中，两种 Collection 类型的 RAM 使用都疏忽了，尽管他实现事物的方式与您提到的用例类型应该有非常明显的区别。

另外，你可以在meteor-core上的这篇文章中看到：https://groups.google.com/d/msg/meteor-core/jG1KLObX1bM/39aP4kxqWZUJ Meteor 开发人员知道他的工作，并正在合作实施对 Meteor 本身的一些改进（但在那之前他的智能包工作得很好）。

重要提示！智能集合依赖于对 Mongo Oplog 的访问。如果您在自己的机器或托管基础架构上运行，这很容易。如果您使用的是基于云的数据库，则此选项可能不可用，或者如果可用，将比较小的软件包花费更多。