Python向来以慢著称，为啥Instagram却唯独钟爱它？

作者 朱雷

PyCon是全世界最大的以Python编程语言为主题的技术大会，大会由Python社区组织，每年举办一次。在Python 2017上，Instagram的工程师们带来了一个有关Python在Instagram的主题演讲，同时还分享了Instagram如何将整个项目运行环境升级到Python 3的故事。本文为该次演讲的内容摘要，由Python爱好者朱雷撰写，聊聊架构经授权发布。

Instagram是一款移动端的照片与视频分享软件，由Kevin Systrom和Mike Krieger在2010年创办。Instagram在发布后开始快速流行。于2012年被Facebook以10亿美元的价格收购。而当时Instagram的员工仅有区区13名。

如今，Instagram的总注册用户达到30亿，月活用户超过7亿（作为对比，微信最新披露的月活跃用户为9.38亿）。而令人吃惊的是，这么高的访问量背后，竟完全是由以速度慢著称的Python + Django支撑。

为什么选择Python和Django

Instagram选择Django的原因很简单，Instagram的两位创始人(Kevin Systrom and Mike Krieger)都是产品经理出身。在他们想要创造Instagram时，Django是他们所知道的最稳定和成熟的技术之一。

时至今日，即使已经拥有超过30亿的注册用户。Instagram仍然是Python和Django的重度使用者。Instagram的工程师Hui Ding说到：“一直到用户ID已经超过了32bit int的限额（约为20亿）， Django本身仍然没有成为我们的瓶颈所在。”

不过，除了使用Django的原生功能外，Instagram还对Django做了很多定制化工作：

·扩展Django Models使其支持Sharding （一种数据库分片技术）。

·手动关闭GC（垃圾回收）来提升Python内存管理效率，他们同样也写过一篇博客来说明这件事情：Dismissing Python Garbage Collection at Instagram。

·在位于不同地理位置的多个数据中心部署整套系统。

Python语言的优势所在

Instagram的联合创始人Mike Krieger说过： “我们的用户根本不关心Instagram使用了哪种关系数据库，他们当然也不关心Instagram是用什么编程语言开发的。”

所以，Python这种简单而且实用至上的编程语言最终赢得了Instagram的青睐。他们认为，使用Python这种简单的语言有助于塑造Instagram的工程师文化，那就是：

1．专注于定位问题、解决问题，而不是工具本身的各种花花绿绿的特性；

2．使用那些经过市场验证过的成熟技术方案，而不用被工具本身的问题所烦扰；

3．用户至上：专注于用户所能看到的新特性，为用户带去价值。

但是，即使使用Python语言有这么多好处，它还是很慢，不是吗？

不过，这对于Instagram不是问题，因为他们认为：“Instagram的最大瓶颈在于开发效率，而不是代码的执行效率”。

    At Instagram, our bottleneck is development velocity, not pure
    code execution.

所以，最终的结论是：你完全可以使用Python语言来实现一个超过几十亿用户使用的产品，而根本不用担心语言或框架本身的性能瓶颈。

如何提升运行效率

但是，即使是选用了拥有诸多好处的Python和Django。在Instagram的用户数迅速增长的过程中，性能问题还是出现了：服务器数量的增长率已经慢慢的超过了用户增长率。Instagram是怎么应对这个问题的呢？

他们使用了这些手段来缓解性能问题：

·开发工具来帮助调优：Instagram开发了很多涵盖各个层面的工具，来帮助他们进行性能调优以及找到性能瓶颈。

·使用C/C++来重写部分组件：把那些稳定而且对性能最敏感的组件，使用C或C++来重写，比如访问memcache的library。

·使用Cython:Cython也是他们用来提升Python效率的法宝之一。

除了上面这些手段，他们还在探索异步IO以及新的Python Runtime所能带来的性能可能性。

为什么要升级到Python 3

在相当长的一段时间，Instagram都跑在Python 2.7 + Django 1.3的组合之上。在这个已经落后社区很多年的环境上，他们的工程师们还打了非常非常多的小patch。难道他们要被永远卡在这个版本上吗？

所以，在经过一系列的讨论后，他们最终做出一个重大的决定：升级到Python 3！！

事实上，Instagram目前已经完成了将运行环境迁移到Python 3的工作——他们的整套服务已经在Python 3上跑了好几个月了。那么他们是怎么做到的呢？接下来便是由Instagram工程师Lisa guo带来的Instagram如何迁移到Python 3的故事。

对于Instagram来说，下面这些因素是推动他们将运行环境迁移到Python 3的主要原因。

1．新特性：类型注解Type Annotations

看看下面这段代码：

    def compose_from_max_id(max_id):    '''@param str max_id'''

图中函数的max_id参数究竟是什么类型呢？int? tuple？或是list？等等，函数文档里面说它是str类型。

但随着时间推移，万一这个参数的类型发生变化了呢？如果某位粗心的工程师修改代码的同时忘了更新文档，那就会给函数的使用者带来很大麻烦，最终还不如没有注释呢。

2．性能

Instagram的整个Django Stack都跑在uwsgi之上，全部使用了同步的网络IO。这意味着同一个uwsgi进程在同一时间只能接收并处理一个请求。这让如何调优每台机器上应该运行的uwsgi进程数成了一个麻烦事：

为了更好利用CPU，使用更多的进程数？但那样会消耗大量的内存。而过少的进程数量又会导致CPU不能被充分利用。

为此，他们决定跳过Python 2中哪些蹩脚的异步IO实现（可怜的gevent、tornado、twisted众），直接升级到Python 3，去探索标准库中的asyncio模块所能带来的可能性。

3．社区

因为Python社区已经停止了对Python 2的支持。如果把整个运行环境升级到Python 3, Instagram的工程师们就能和Python社区走的更近，可以更好的把他们的工作回馈给社区。

迁移方案

在Instagram，进行Python 3的迁移需要必须满足两个前提条件：

·不停机，不能有任何的服务因此不可用；

·不能影响产品新特性的开发。

但是，在Instagram的开发环境中，要满足上面这两点来完成迁移到Python 3.6这种庞大的工程是非常困难的。

基于主分支的开发流程

即便使用了以多分支功能著称的git, Instagram所有的开发工作都是主要在master分支上进行的，Instagram所奉行的开发哲学是：『不管是多大的新特性或代码重构，都应该拆解成较小的Commit来进行。』

那些被合并进master分支的代码，都将在一个小时内被发布到线上环境。而这样的发布过程每天将会发生上百次。在这么频繁的发布频率下，如何在满足之前的那两个前提下来完成迁移变得尤其困难。

被弃用的迁移方案

创建一个新分支

很多人在处理这类问题时，第一个蹦进脑子的想法就是： 『让我们创建一个分支，当我们开发完后，再把分支合并进来』。但在Instagram这么高的迭代频率上，使用一个独立分支并不是好主意：

·Instagram的Codebase每天都在频繁更新，在开发Python 3分支的过程中，让新分支与现有master分支保持同步开销极大，同时极易出错；

·最终将Python 3分支这个改动非常多的分支合并回Master拥有非常高的风险；

·只有少数几个工程师在Python 3分支上专职负责升级工作，其他想帮助迁移工作的工程师无法参与进来。

挨个替换接口

还有一个方案就是，挨个替换Instagram的API接口。但是Instagram的不同接口共享着很多通用模块。这个方案要实施起来也非常困难。

微服务

还有一个方案就是将Instagram改造成微服务架构。通过将那些通用模块重写成Python 3版本的微服务来一步步完成迁移工作。

但是这个方案需要重新组织海量的代码。同时，当发生在进程内的函数调用变成RPC后，整个站点的延迟会变大。此外，更多的微服务也会引入更高的部署复杂度。

所以，既然Instagram的开发哲学是：小步前进，快速迭代。他们最终决定的方案是：一步一步来，最终让master分支上的代码同时兼容Python 2和Python 3。

正式迁移到Python 3

既然要让整个codebase同时兼容Python 2和Python 3，那么首先要符合这点的就是那些被大量使用的第三方package。针对第三方package, Instagram做到了下面几点：

·拒绝引入所有不兼容Python 3的新package；

·去掉所有不再使用的package；

·替换那些不兼容Python 3的package。

在代码的迁移过程中，他们使用了工具modernize来帮助他们。

使用modernize时，有一个小技巧：每次修复多个文件的一个兼容问题，而不是一下修复一个文件中的多个兼容问题。这样可以让Code Review过程简单很多，因为Reviewer每次只需要关注一个问题。

对于Python这种灵活性极强的动态语言来说，除了真正去执行代码外，几乎没有其他比较好的检查代码错误的手段。

前面提到，Instagram所有被合并到master的代码提交会在一个小时内上线到线上环境，但这不是没有前提条件的。在上线前，所有的提交都需要通过成千上万个单元测试。

于是，他们开始加入Python 3来执行所有的单元测试。一开始，只有极少数的单元测试能够在Python 3环境下通过，但随着Instagram的工程师们不断的修复那些失败的单元测试，最终所有的单元测试都可以在Python 3环境下成功执行。

但是，单元测试也是有局限性的：

·Instagram的单元测试没有做到100％的代码覆盖率；

·很多第三方模块都使用了mock技术，而mock的行为与真实的线上服务可能会有所不同。

所以，当所有的单元测试都被修复后，他们开始在线上正式使用Python 3来运行服务。

这个过程并不是一蹴而就的。首先，所有的Instagram工程师开始访问到这些使用Python 3来执行的新服务，然后是Facebook的所有雇员，随后是0.1％、20％的用户，最终Python 3覆盖到了所有的Instagram用户（见图1）。

迁移过程的技术问题

Instagram在迁移到Python 3时碰到很多问题，下面是最典型的几个：

Unicode相关的字符串问题

Python 3相比Python 2最大的改动之一，就是在语言内部对unicode的处理。

在Python 2中，文本类型（也就是unicode）和二进制类型（也就是str）的边界非常模糊。很多函数的参数既可以是文本，也可以是二进制。但是在Python 3中，文本类型和二进制类型的字符串被完全的区分开了。

于是，下面这段在Python 2下可以正常运行的代码在Python 3下就会报错：

    mymac = hmac.new('abc')
    TypeError: key: expected bytes or bytearray, but got 'str'

解决办法其实很简单，只要加上判断：如果value是文本类型，就将其转换为二进制。如下所示：

    value = 'abc'
    if  isinstance(value,  six.text_type):      value  =  value.
    encode(encoding='utf-8')
    mymac = hmac.new(value)

但是，在整个代码库中，像上面这样的情况非常多。作为开发人员，如果需要在调用每个函数时都要想想：这里到底是应该编码成二进制，或者是解码成文本呢？将会是非常大的负担。

于是Instagram封装了一些名为ensure_str()、ensure_binary()、ensure_text()的帮助函数，开发人员只需对那些不确定类型的字符串，使用这些帮助函数先做一次转换就好。

    mymac = hmac.new(ensure_binary('abc'))

不同Python版本的pickle差异

Instagram的代码中大量使用了pickle。比如用它序列化某个对象，然后将其存储在memcache中。如下面的代码所示：

    memcache_data = pickle.dumps(data, pickle.HIGHEST_PROTOCOL)
    data = pickle.loads(memcache_data)

问题在于，Python 2与Python 3的pickle模块是有差别的。

如果上文的第一行代码，刚好是由Python 3运行的服务进行序列化后存入memcache。而反序列化的过程却是由Python 2进行，那代码运行时就会出现下面的错误：

    ValueError: unsupported pickle protocol: 4

这是由于在Python 3中，pickle.HIGHEST_PROTOCOL的值为4，而Python 2中的的pickle最高支持的版本号却是2。那么如何解决这个问题呢？

Instagram最终选择让Python 2和Python 3使用完全不同的namespace来访问memcache。通过将二者的数据读写完全隔开来解决这个问题。

迭代器

在Python 3中，很多内置函数被修改成了只返成迭代器Iterator：

    map()
    filter()
    dict.items()

迭代器有诸多好处，最大的好处就是，使用迭代器不需要一次性分配大量内存，所以它的内存效率比较高。

但是迭代器有一个天然的特点，当你对某个迭代器做了一次迭代，访问完它的内容后，就没法再次访问那些内容了。迭代器中的所有内容都只能被访问一次。

在Instagram的Python 3迁移过程中，就因为迭代器的这个特性被坑了一次，看看下面这段代码：

    CYTHON_SOURCES = [a.pyx, b.pyx, c.pyx]
    builds = map(BuildProcess, CYTHON_SOURCES)
    while any(not build.done() for build in builds):     pending =
    [build for build in builds if not build.started()]    <do some
    work>

这段代码的用处是挨个编译Cython源文件。当他们把运行环境切换到Python 3后，一个奇怪的问题出现了：CYTHON_SOURCES中的第一个文件永远都被跳过了编译。为什么呢？

这都是迭代器的锅。在Python 3中，map()函数不再返回整个list，而是返回一个迭代器。

于是，当第二行代码生成builds这个迭代器后，第三行代码的while循环迭代了builds，刚好取出了第一个元素。于是之后的pending对象便里面永远少了那第一个元素。

这个问题解决起来也挺简单的，你只要手动的吧builds转换成list就可以了：

    builds = list(map(BuildProcess, CYTHON_SOURCES))

但是这类bug非常难定位到。如果用户的feeds里面永远少了那最新的第一条，用户很少会注意到。

字典的顺序

看看下面这段代码：

    >>> testdict = {'a': 1, 'b': 2, 'c': 3}
    >>> json.dumps(testdict)

它会输出什么结果呢？

    # Python2
    '{"a": 1, "c": 3, "b": 2}'
    # Python 3.5.1
    '{"c": 3, "b": 2, "a": 1}'    # or
    '{"c": 3, "a": 1, "b": 2}'
    # Python 3.6
    '{"a": 1, "b": 2, "c": 3}'

在不同的Python版本下，这个json dumps的结果是完全不一样的。甚至在3.5.1中，它会完全随机的返回两个不同的结果。Instagram有一段判断配置文件是否发生变动的模块，就是因为这个原因出了问题。

这个问题的解决办法是，在调用json.dumps传入sort_keys=True参数：

    >>> json.dumps(testdict, sort_keys=True)
    '{"a": 1, "b": 2, "c": 3}'

迁移到Python 3.6后的性能提升

当Instagram解决了这些奇奇怪怪的版本差异问题后，还有一个巨大的谜题困扰着他们：性能问题。

在Instagram，他们使用两个主要指标来衡量他们的服务性能：

·每次请求产生的CPU指令数（越低越好）；

·每秒能够处理的请求数（越高越好）。

所以，当所有的迁移工作完成后，他们非常惊喜的发现：第一个性能指标，每次请求产生的CPU指令数居然足足下降了12％！！！

但是，按理说第二个指标：每秒请求数也应该获得接近12％的提升。不过最后的变化却是0％。究竟是出了什么问题呢？

他们最终定位到，是由于不同Python版本下的内存优化配置不同，导致CPU指令数下降带来的性能提升被抵消了。那为什么不同Python版本下的内存优化配置会不一样呢？

这是他们用来检查uwsgi配置的代码：

    if uwsgi.opt.get('optimize_mem', None) == 'True':    optimize_
    mem()

注意到那段……== ’True’了吗？在Python 3中，这个条件判断总是不会被满足。问题就在于unicode。在将代码中的’True’换成b’True’（也就是将文本类型换成二进制，这种判断在Python 2中完全不区分的）后，问题解决了。

所以，最终因为加上了一个小小的字母’b’，程序的整体性能提升了12％。

完美切换

在今年二月份，Instagram的后端代码的运行环境完全切换到了Python 3下：

当所有的代码都都迁移到Python 3运行环境后：

·节约了12％的整体CPU使用率（Django/uwsgi）；

·节约了30％的内存使用（celery）。

同时，在整个迁移期间，Instagram的月活用户经历了从4亿到6亿的巨大增长。产品也发布了评论过滤、直播等非常多新功能。

那么，那几个最开始驱动他们迁移到Python 3的目的呢？

·类型注解：Instagram的整个codebase里已经有2％的代码添加上了类型注解，同时他们还开发了一些工具来辅助开发者添加类型提示。

·asyncio：他们在单个接口中利用asynio平行的去做多件事情，最终降低了20-30％的请求延迟。

·社区：他们与Intel的工程师联合，帮助他们更好的对CPU利用率进行调优。同时还开发了很多新的工具，帮助他们进行性能调优。

Instagram带给我们的启示

Instagram的演讲视频时间不长，但是内容很丰富，在编写此文前，我完全没有想到最终的文章会这么长。

那么，Instagram的视频可以给我们哪些启示呢？

·Python + Django的组合完全可以负载用户数以10亿记的服务，如果你正准备开始一个项目，放心使用Python吧！

·完善的单元测试对于复杂项目是非常有必要的。如果没有那『成千上万的单元测试』。很难想象Instagram的迁移项目可以成功进行下去。

·开发者和同事也是你的产品用户，利用好他们。用他们为你的新特性发布前多一道测试。

·完全基于主分支的开发流程，可以给你更快的迭代速度。前提是拥有完善的单元测试和持续部署流程。

·Python 3是大势所趋，如果你正准备开始一个新项目，无需迟疑，拥抱Python 3吧！

好了，就到这儿吧。Happy Hacking！