C10K問題思維導圖
C10K問題出現前期
大家都知道互聯網的基礎就是網絡通信，早期的互聯網可以說是一個小羣體的集合。
互聯網還不夠普及，用戶也不多。一臺服務器同時在線100個用戶估計在當時已經算是大型應用了。所以並不存在什麼C10K的難題。互聯網的爆發期應該是在www網站，瀏覽器，雅虎出現後。最早的互聯網稱之爲Web1.0，互聯網大部分的使用場景是下載一個Html頁面，用戶在瀏覽器中查看網頁上的信息。這個時期也不存在C10K問題。
Web2.0時代到來後就不同了，一方面是普及率大大提高了，用戶羣體幾何倍增長。另一方面是互聯網不再是單純的瀏覽萬維網網頁，逐漸開始進行交互，而且應用程序的邏輯也變的更復雜，從簡單的表單提交，到即時通信和在線實時互動。
C10K的問題才體現出來了。每一個用戶都必須與服務器保持TCP連接才能進行實時的數據交互。
Facebook這樣的網站同一時間的併發TCP連接可能會過億。
騰訊QQ也是有C10K問題的，只不過他們是用了UDP這種原始的包交換協議來實現的，繞開了這個難題。當然過程肯定是痛苦的。如果當時有epoll技術，他們肯定會用TCP。後來的手機QQ，微信都採用TCP協議。
C10K問題出現和本質
這時候問題就來了，最初的服務器都是基於進程/線程模型的，新到來一個TCP連接，就需要分配1個進程（或者線程）。
而進程又是操作系統最昂貴的資源，一臺機器無法創建很多進程。
如果是C10K就要創建1萬個進程，那麼操作系統是無法承受的。
如果是採用分佈式系統，維持1億用戶在線需要10萬臺服務器，成本巨大，也只有Facebook，Google，雅虎纔有財力購買如此多的服務器。這就是C10K問題的本質。
實際上當時也有異步模式，如：select/poll模型，這些技術都有一定的缺點，如selelct最大不能超過1024，poll沒有限制，但每次收到數據需要遍歷每一個連接查看哪個連接有數據請求。
C10K解決方案C10K解決方案
解決這一問題，主要思路有兩個：
- 一個是對於每個連接處理分配一個獨立的進程/線程；
- 另一個思路是用同一進程/線程來同時處理若干連接。
每個進程/線程處理一個連接
這一思路最爲直接。但是由於申請進程/線程會佔用相當可觀的系統資源，同時對於多進程/線程的管理會對系統造成壓力，因此這種方案不具備良好的可擴展性。
因此，這一思路在服務器資源還沒有富裕到足夠程度的時候，是不可行的；即便資源足夠富裕，效率也不夠高。
問題：資源佔用過多，可擴展性差
每個進程/線程同時處理多個連接（IO多路複用）
傳統思路
最簡單的方法是循環挨個處理各個連接，每個連接對應一個 socket，當所有 socket 都有數據的時候，這種方法是可行的。
但是當應用讀取某個 socket 的文件數據不 ready 的時候，整個應用會阻塞在這裏等待該文件句柄，即使別的文件句柄 ready，也無法往下處理。
思路：直接循環處理多個連接。問題：任一文件句柄的不成功會阻塞住整個應用。
select
要解決上面阻塞的問題，思路很簡單，如果我在讀取文件句柄之前，先查下它的狀態，ready 了就進行處理，不 ready 就不進行處理，這不就解決了這個問題了嘛？
於是有了 select 方案。用一個 fd_set 結構體來告訴內核同時監控多個文件句柄，當其中有文件句柄的狀態發生指定變化（例如某句柄由不可用變爲可用）或超時，則調用返回。之後應用可以使用 FD_ISSET 來逐個查看是哪個文件句柄的狀態發生了變化。
這樣做，小規模的連接問題不大，但當連接數很多（文件句柄個數很多）的時候，逐個檢查狀態就很慢了。
因此，select 往往存在管理的句柄上限（FD_SETSIZE）。同時，在使用上，因爲只有一個字段記錄關注和發生事件，每次調用之前要重新初始化 fd_set 結構體。
int select(int nfds, fd_set *readfds, fd_set *writefds, fd_set *exceptfds, struct timeval *timeout);思路：有連接請求抵達了再檢查處理。問題：句柄上限+重複初始化+逐個排查所有文件句柄狀態效率不高。
poll
poll 主要解決 select 的前兩個問題：通過一個 pollfd 數組向內核傳遞需要關注的事件消除文件句柄上限，同時使用不同字段分別標註關注事件和發生事件，來避免重複初始化。
int poll(struct pollfd *fds, nfds_t nfds, int timeout);思路：設計新的數據結構提供使用效率。問題：逐個排查所有文件句柄狀態效率不高。
epoll
既然逐個排查所有文件句柄狀態效率不高，很自然的，如果調用返回的時候只給應用提供發生了狀態變化（很可能是數據 ready）的文件句柄，進行排查的效率不就高多了麼。
epoll 採用了這種設計，適用於大規模的應用場景。
實驗表明，當文件句柄數目超過 10 之後，epoll 性能將優於 select 和 poll；當文件句柄數目達到 10K 的時候，epoll 已經超過 select 和 poll 兩個數量級。
int epoll_wait(int epfd, struct epoll_event *events, int maxevents, int timeout);思路：只返回狀態變化的文件句柄。問題：依賴特定平臺（Linux）。
因爲Linux是互聯網企業中使用率最高的操作系統，Epoll就成爲C10K killer、高併發、高性能、異步非阻塞這些技術的代名詞了。
這些操作系統提供的功能就是爲了解決C10K問題:
- FreeBSD推出了kqueue，
- Linux推出了epoll
- Windows推出了IOCP，
- Solaris推出了/dev/poll。
這些操作系統提供的功能就是爲了解決C10K問題。
epoll技術的編程模型就是異步非阻塞回調，也可以叫做Reactor，事件驅動，事件輪循（EventLoop）。Nginx，libevent，node.js這些就是Epoll時代的產物。
select、poll、epoll具體原理詳解，
libevent
由於epoll, kqueue, IOCP每個接口都有自己的特點，程序移植非常困難，於是需要對這些接口進行封裝，以讓它們易於使用和移植，其中libevent庫就是其中之一。
跨平臺，封裝底層平臺的調用，提供統一的 API，但底層在不同平臺上自動選擇合適的調用。
按照libevent的官方網站，libevent庫提供了以下功能：
當一個文件描述符的特定事件（如可讀，可寫或出錯）發生了，或一個定時事件發生了，libevent就會自動執行用戶指定的回調函數，來處理事件。
目前，libevent已支持以下接口/dev/poll, kqueue, event ports, select, poll 和 epoll。
Libevent的內部事件機制完全是基於所使用的接口的。因此libevent非常容易移植，也使它的擴展性非常容易。
目前，libevent已在以下操作系統中編譯通過：Linux，BSD，Mac OS X，Solaris和Windows。
使用libevent庫進行開發非常簡單，也很容易在各種unix平臺上移植。