odoo 8.0 多核啟用
對於很多企業來說，隨著時間的推移，用戶量或者企業建點擴張，使用erp就會出現應用訪問越來越慢的情況，
其實這種情況不但限於erp，只要是有數據量增長的互聯網業務必然會遇到的，因為一開始的是就沒有做好大數據量
的訪問情況。
odoo erp是python開發的，python相對c、c++、java等在性能方面確實是低了很多，歸根到底就是本來python就
是c跟c++開發出來的語言，另外python讓人詬病的全局解釋器鎖(GIL,Global Interpreter Lock)，想要更加了解GIL的話
可以訪問http://cenalulu.github.io/python/gil-in-python/?utm_source=tuicool&utm_medium=referral
有一段時間在公司，openerp已經開發好了，並且讓個別企業在使用了，當然這個過程有某些企業已經反映運行慢
了，這期間也做了很多測試，發現確實openerp在運行過程中發揮不了多核心的情況，基本上都是cpu一個核心100%的
情況就卡死了，但是還有起碼好多個核心的資源沒有用到啊？難道就這樣廢了嗎？後面也嘗試用nginx做轉發，還是發現
一個核心100%的情況。
後面自己也嘗試用java寫了個多線程網絡通信的程序，用了循環不斷拉去服務端的線程，再去觀察一下cpu的情況，
驚喜發現cpu真心可以多核利用到了啊，難道說後面要用java開發新的業務程序嗎？
盡管只是java比python在性能上面確實要快，但是還是抱著了解的心態開始了python的多進程、多線程的測試：
python多進程(用了一個死循環來測試)：
#!/bin/python
from multiprocessing import Process
def MulProcess():
while 1:
pass
if __name__ == ‘__main__‘:
t1 = Process(target=MulProcess)
t2 = Process(target=MulProcess)
t3 = Process(target=MulProcess)
t4 = Process(target=MulProcess)
t1.start()
t2.start()
t3.start()
t4.start()
t1.join()
t2.join()
t3.join()
t4.join()
代碼建立了4個進程，然後一直循環，上圖看到的4個cpu都利用到了，其實說白了python其實是可以用到多核心的
python多線程:
#!/bin/python
from threading import Thread
def ThreadProcess():
while True:
pass
if __name__ == ‘__main__‘:
t1 = Thread(target=ThreadProcess)
t1.start()
t2 = Thread(target=ThreadProcess)
t2.start()
t3 = Thread(target=ThreadProcess)
t3.start()
t4 = Thread(target=ThreadProcess)
t4.start()
t5 = Thread(target=ThreadProcess)
t5.start()
t6 = Thread(target=ThreadProcess)
t6.start()
t1.join()
t2.join()
t3.join()
t4.join()
t5.join()
t6.join()
多線程的代碼建立6個線程，其實超過了4核心了，但是這樣沒問題，總共4核心超過了照樣跑，上圖的
cpu顯示基本都用到了4核心了，但是建議不要用多線程，為什麽？1.多線程不同多進程，多線程的數據在不
同線程中都是可以共享的，cpu的資源分享可不想你想的那樣，在多線程跑的時候是那個空閑跑哪個，很容
易出現數據亂的情況( 如果有修改數據的情況下)，2.當然多線程還是可以保證數據的統一的，只是要加上一
個threading.Lock(),那就是要加上鎖，想運行的時候必須先獲取lock鎖，請問這本質不是把多線程的快速處理
性能降低了嗎？真是然並卵啊。關於進程，不多說，如果不是變態的業務程序需要到進程間數據訪問的話，
基本上進程都是獨立運行的，但是系統在建立一個進程跟建立一個線程的資源耗費是不同的，明顯進程相對
線程大得多。果然這個世界上什麽魚與熊掌不可兼得的事情還是少之又少啊。
好了，到此為止，基本上對python的多線程、多進程的情況有了個比較客觀了解了。下面還是要測試一下
openerp在多核心利用情況。
其實新版的odoo8、9都是支持gevent、multiprocess、threading的運行方式，測試只是用了gevent跟
multiprocess的情況，至於threading就不要去測試了，除非用的是單核心的cpu。筆者用的是openerp 7跟odoo 8
去做測試，這裏主要說odoo 8，odoo 8 的環境是centos7,直接用odoo rep文件,yum install的，我比較懶，當然
可以用source的方式，這就不詳細介紹，不懂看官網去。yum安裝的好處是基本上缺少什麽依賴都給你安裝好了。
一、先測試multiprocess的事況測試之前直接修改配置文件/etc/odoo/openerp-server.conf,設置workers = 4
(我是4核心的虛擬機)，這裏說一下設置workers的情況，如果設置workers = 0的話就只有一個odoo的進程，如果
workers =1就立刻變成了4個進程，還有出現一個openerp-gevent進程，這個最要是用odoo聊天客戶而用的，有安
裝了gevent的情況下面就會出現,當然可以在openerp-server.conf配置文件裏面去掉，所以除掉這個進程理論上是
workers =1的時候拉起了3個進程，然後workers =2 就是5個進程以此類推推算 ，啟動systemctl start odoo.service,
首先用最原始的方式，打開url按住F5不停刷新，一邊觀察，後面還用了./webbench -c 1000 -t 10 http://192.168.1.125/
去測試
：
果然都用到4核心了，也驗證了python多進程的多核心利用
二、接下來測試gevent，gevent是python個一個異步並發框架，跟tornado有點相識，但是用是的協程的概念，如
果有時間找gevent源碼看看，不過我這裏主要是模仿多進程的，想法：4核心的虛擬機，開啟4個openerp-gevent的進
程，通過不同的端口來訪問，但是我了統一80端口訪問，就用了nginx來作為前端轉發，同時也測試一下nginx的多核
心使用情況，當然nginx本身也是異步的，後面測試完了不得不承認加了nginx在訪問上面真心比沒加好很多，這裏貼
上nginx的部分配置：
XXXXXXXXXXXXXXX # 很多沒有貼出來
worker_processes 4;
worker_cpu_affinity 0001 0010 0100 1000;
events {
use epoll;
worker_connections 65563;
}
XXXXXXXXXXXXXXX # 很多沒有貼出來
server {
listen 80 default_server;
listen [::]:80 default_server;
server_name _;
root /usr/share/nginx/html
location / {
proxy_pass http://openerp;
}
XXXXXXXXXXXXXXX
upstream openerp{
server 192.168.1.125:8072;
server 192.168.1.125:8073;
server 192.168.1.125:8074;
server 192.168.1.125:8075;
}
XXXXXXXXXXXXXXXXX
啟動四個/usr/bin/openerp-gevent -c openerp-server.conf
/usr/bin/openerp-gevent -c openerp-server8073.conf
/usr/bin/openerp-gevent -c openerp-server8074.conf
/usr/bin/openerp-gevent -c openerp-server8075.conf
啟動nginx : systemctl start nginx.serivce
查看端口：
ok，測試：./webbench -c 1000 -t 30 http://192.168.1.125/
1000並發 ，持續30秒
結論：python可以利用多進程的情況實現多核心利用，java在性能方面確實比python要好，但是python開發速度
相對快，odoo其實也可以實現多核心利用情況，估計性能會上一個臺階，另外nginx的多核心利用只能支持到8核心
(網上說的，懶得去測試)。
odoo 8.0 多核啟用