面试题：网络编程之poll机制在高并发视频流传输中的性能考量

Question

在高并发的视频流传输场景中，poll机制可能会面临哪些性能瓶颈？你会采取哪些优化策略来提升其性能，例如在数据结构设计、事件处理逻辑等方面。

Answer 1

poll机制在高并发视频流传输场景可能面临的性能瓶颈

1. 线性遍历开销：poll采用线性遍历文件描述符集合的方式检查事件，随着文件描述符数量增多，遍历时间复杂度为O(n)，性能显著下降。
2. 内核态与用户态数据拷贝：每次调用poll，内核都要将文件描述符集合从用户态拷贝到内核态，高并发时频繁拷贝会消耗大量CPU资源。
3. 内存占用：为每个文件描述符维护一个pollfd结构体，在高并发场景下会占用大量内存，影响系统整体性能。

优化策略

数据结构设计方面

1. 使用红黑树：例如epoll使用红黑树管理文件描述符，添加、删除和查找操作时间复杂度为O(log n)，相比poll的线性遍历效率更高，适合高并发场景。
2. 哈希表辅助：可以结合哈希表，快速定位特定文件描述符，减少查找时间。对于需要快速查找特定连接的视频流传输场景，哈希表能加快事件处理速度。

事件处理逻辑方面

1. 边缘触发（ET）模式：采用边缘触发模式，减少不必要的事件通知。仅在状态变化的边缘触发事件，相比水平触发（LT）模式，可减少事件触发次数，降低系统开销。
2. 异步I/O：使用异步I/O操作，允许应用程序在I/O操作进行时继续执行其他任务，提高系统的并发处理能力。对于视频流传输，在等待数据传输完成时可处理其他任务。
3. 事件队列：建立事件队列，将事件处理逻辑与事件触发分离。事件触发后先将事件放入队列，由专门线程按顺序处理，避免事件处理的竞争和混乱，提高处理效率。