前言

PyCon 是全世界最大的以 Python 編程語言 為主題的技術大會，大會由 Python 社區組織，每年舉辦一次。在 Python 2017 上，Instagram 的工程師們帶來了一個有關 Python 在 Instagram 的主題演講，同時還分享了 Instagram 如何將整個項目運行環境升級到 Python 3 的故事。本文為該次演講的內容摘要，由 Python 愛好者朱雷撰寫。

Instagram 是一款移動端的照片與視頻分享軟件，由 Kevin Systrom 和 Mike Krieger 在 2010 年創辦。Instagram 在發布后開始快速流行。于 2012 年被 Facebook 以 10 億美元的價格收購。而當時 Instagram 的員工僅有區區 13 名。

如今，Instagram 的總注冊用戶達到 30 億，月活用戶超過 7 億 （作為對比，微信最新披露的月活躍用戶為 9.38 億）。而令人吃驚的是，這么高的訪問量背后，竟完全是由以速度慢著稱的 Python + Django 支撐。

為什么選擇 Python 和 Django

Instagram 選擇 Django 的原因很簡單，Instagram 的兩位創始人 (Kevin Systrom and Mike Krieger) 都是產品經理出身。在他們想要創造 Instagram 時，Django 是他們所知道的最穩定和成熟的技術之一。

時至今日，即使已經擁有超過 30 億的注冊用戶。Instagram 仍然是 Python 和 Django 的重度使用者。Instagram 的工程師 Hui Ding 說到：『一直到用戶 ID 已經超過了 32bit int 的限額（約為 20 億），Django 本身仍然沒有成為我們的瓶頸所在。』

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

•  擴展 Django Models 使其支持 Sharding （一種數據庫分片技術）。
•  手動關閉 GC（垃圾回收）來提升 Python 內存管理效率，他們同樣也寫過一篇博客來說明這件事情：Dismissing Python Garbage Collection at Instagram。
•  在位于不同地理位置的多個數據中心部署整套系統。

Python 語言的優勢所在

Instagram 的聯合創始人 Mike Krieger 說過：『我們的用戶根本不關心 Instagram 使用了哪種關系數據庫，他們當然也不關心 Instagram 是用什么編程語言開發的。』

所以，Python 這種 簡單 而且 實用至上 的編程語言最終贏得了 Instagram 的青睞。他們認為，使用 Python 這種簡單的語言有助于塑造 Instagram 的工程師文化，那就是：

1.  專注于定位問題、解決問題 - 而不是工具本身的各種花花綠綠的特性
2.  使用那些經過市場驗證過的成熟技術方案 - 而不用被工具本身的問題所煩擾
3.  用戶至上：專注于用戶所能看到的新特性，為用戶帶去價值

但是，即使使用 Python 語言有這么多好處，它還是很慢，不是嗎？

不過，這對于 Instagram 不是問題，因為他們認為：『Instagram 的最大瓶頸在于開發效率，而不是代碼的執行效率』。

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

所以，最終的結論是：你完全可以使用 Python 語言來實現一個超過幾十億用戶使用的產品，而根本不用擔心語言或框架本身的性能瓶頸。

如何提升運行效率

但是，即使是選用了擁有諸多好處的 Python 和 Django。在 Instagram 的用戶數迅速增長的過程中，性能問題還是出現了：服務器數量的增長率已經慢慢的超過了用戶增長率。Instagram 是怎么應對這個問題的呢？

他們使用了這些手段來緩解性能問題：

•  開發工具來幫助調優：Instagram 開發了很多涵蓋各個層面的工具，來幫助他們進行性能調優以及找到性能瓶頸。
•  使用 C/C++ 來重寫部分組件：把那些穩定而且對性能最敏感的組件，使用 C 或 C++ 來重寫，比如訪問 memcache 的 library。
•  使用 Cython：Cython 也是他們用來提升 Python 效率的法寶之一。

除了上面這些手段，他們還在探索異步 IO 以及新的 Python Runtime 所能帶來的性能可能性。

為什么要升級到 Python 3

在相當長的一段時間，Instagram 都跑在 Python 2.7 + Django 1.3 的組合之上。在這個已經落后社區很多年的環境上，他們的工程師們還打了非常非常多的小 patch。難道他們要被永遠卡在這個版本上嗎？

所以，在經過一系列的討論后，他們最終做出一個重大的決定：升級到 Python 3！！

事實上，Instagram 目前已經完成了將運行環境遷移到 Python 3 的工作 - 他們的整套服務已經在 Python 3 上跑了好幾個月了。那么他們是怎么做到的呢？接下來便是由 Instagram 工程師 Lisa guo 帶來的 Instagram 如何遷移到 Python 3 的故事。

對于 Instagram 來說，下面這些因素是推動他們將運行環境遷移到 Python 3 的主要原因：

1. 新特性：類型注解 Type Annotations

看看下面這段代碼： 

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

圖中函數的 max_id 參數究竟是什么類型呢？int？tuple？或是 list? 等等，函數文檔里面說它是 str 類型。

但隨著時間推移，萬一這個參數的類型發生變化了呢？如果某位粗心的工程師修改代碼的同時忘了更新文檔，那就會給函數的使用者帶來很大麻煩，最終還不如沒有注釋呢。

2、性能

Instagram 的整個 Django Stack 都跑在 uwsgi 之上，全部使用了同步的網絡 IO。這意味著同一個 uwsgi 進程在同一時間只能接收并處理一個請求。這讓如何調優每臺機器上應該運行的 uwsgi 進程數成了一個麻煩事：

為了更好利用 CPU，使用更多的進程數？但那樣會消耗大量的內存。而過少的進程數量又會導致 CPU 不能被充分利用。

為此，他們決定跳過 Python 2 中哪些蹩腳的異步 IO 實現 （可憐的 gevent、tornado、twisted 眾），直接升級到 Python 3，去探索標準庫中的 asyncio 模塊所能帶來的可能性。

3、社區

因為 Python 社區已經停止了對 Python 2 的支持。如果把整個運行環境升級到 Python 3，Instagram 的工程師們就能和 Python 社區走的更近，可以更好的把他們的工作回饋給社區。

遷移方案

在 Instagram，進行 Python 3 的遷移需要必須滿足兩個前提條件：

1.  不停機，不能有任何的服務因此不可用
2.  不能影響產品新特性的開發

但是，在 Instagram 的開發環境中，要滿足上面這兩點來完成遷移到 Python 3.6 這種龐大的工程是非常困難的。

基于主分支的開發流程

即便使用了以多分支功能著稱的 git，Instagram 所有的開發工作都是主要在 master 分支上進行的，Instagram 所奉行的開發哲學是：『不管是多大的新特性或代碼重構，都應該拆解成較小的 Commit 來進行。』

那些被合并進 master 分支的代碼，都將在一個小時內被發布到線上環境。而這樣的發布過程每天將會發生上百次。在這么頻繁的發布頻率下，如何在滿足之前的那兩個前提下來完成遷移變得尤其困難。

被棄用的遷移方案

創建一個新分支

很多人在處理這類問題時，第一個蹦進腦子的想法就是：『讓我們創建一個分支，當我們開發完后，再把分支合并進來』。但在 Instagram 這么高的迭代頻率上，使用一個獨立分支并不是好主意：

•  Instagram 的 Codebase 每天都在頻繁更新，在開發 Python 3 分支的過程中，讓新分支與現有 master 分支保持同步開銷極大，同時極易出錯
•  最終將 Python 3 分支這個改動非常多的分支合并回 Master 擁有非常高的風險
•  只有少數幾個工程師在 Python 3 分支上專職負責升級工作，其他想幫助遷移工作的工程師無法參與進來

挨個替換接口

還有一個方案就是，挨個替換 Instagram 的 API 接口。但是 Instagram 的不同接口共享著很多通用模塊。這個方案要實施起來也非常困難。

微服務

還有一個方案就是將 Instagram 改造成微服務架構。通過將那些通用模塊重寫成 Python 3 版本的微服務來一步步完成遷移工作。

但是這個方案需要重新組織海量的代碼。同時，當發生在進程內的函數調用變成 RPC 后 ，整個站點的延遲會變大。此外，更多的微服務也會引入更高的部署復雜度。

所以，既然 Instagram 的開發哲學是：小步前進，快速迭代。他們最終決定的方案是：一步一步來，最終讓 master 分支上的代碼同時兼容 Python 2 和 Python 3 。

正式遷移到 Python 3

既然要讓整個 codebase 同時兼容 Python 2 和 Python 3，那么首先要符合這點的就是那些被大量使用的第三方 package。針對第三方 package，Instagram 做到了下面幾點：

•  拒絕引入所有不兼容 Python 3 的新 package
•  去掉所有不再使用的 package
•  替換那些不兼容 Python 3 的 package

在代碼的遷移過程中，他們使用了工具 modernize 來幫助他們。

使用 modernize 時，有一個小技巧：每次修復多個文件的一個兼容問題，而不是一下修復一個文件中的多個兼容問題。這樣可以讓 Code Review 過程簡單很多，因為 Reviewer 每次只需要關注一個問題。

對于 Python 這種靈活性極強的動態語言來說，除了真正去執行代碼外，幾乎沒有其他比較好的檢查代碼錯誤的手段。

前面提到，Instagram 所有被合并到 master 的代碼提交會在一個小時內上線到線上環境，但這不是沒有前提條件的。在上線前，所有的提交都需要通過成千上萬個單元測試。

于是，他們開始加入 Python 3 來執行所有的單元測試。一開始，只有極少數的單元測試能夠在 Python 3 環境下通過，但隨著 Instagram 的工程師們不斷的修復那些失敗的單元測試，最終所有的單元測試都可以在 Python 3 環境下成功執行。

但是，單元測試也是有局限性的：

•  Instagram 的單元測試沒有做到 100% 的代碼覆蓋率
•  很多第三方模塊都使用了 mock 技術，而 mock 的行為與真實的線上服務可能會有所不同

所以，當所有的單元測試都被修復后，他們開始在線上正式使用 Python 3 來運行服務。

這個過程并不是一蹴而就的。首先，所有的 Instagram 工程師開始訪問到這些使用 Python 3 來執行的新服務，然后是 Facebook 的所有雇員，隨后是 0.1%、20% 的用戶，最終 Python 3 覆蓋到了所有的 Instagram 用戶。

遷移過程的技術問題

Instagram 在遷移到 Python 3 時碰到很多問題，下面是最典型的幾個：

Unicode 相關的字符串問題

Python 3 相比 Python 2 最大的改動之一，就是在語言內部對 unicode 的處理。

在 Python 2 中，文本類型 （也就是 unicode） 和二進制類型 （也就是 str） 的邊界非常模糊。很多函數的參數既可以是文本，也可以是二進制。但是在 Python 3 中，文本類型和二進制類型的字符串被完全的區分開了。

于是，下面這段在 Python 2 下可以正常運行的代碼在 Python 3 下就會報錯： 

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

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-tQT44Q0M-1570179360052)(data:image/gif;base64,R0lGODlhAQABAPABAP///wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==)]

解決辦法其實很簡單，只要加上判斷：如果 value 是文本類型，就將其轉換為二進制。如下所示： 

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

但是，在整個代碼庫中，像上面這樣的情況非常多。作為開發人員，如果需要在調用每個函數時都要想想：這里到底是應該編碼成二進制，或者是解碼成文本呢？將會是非常大的負擔。

于是 Instagram 封裝了一些名為 ensure_str()、ensure_binary()、ensure_text() 的幫助函數，開發人員只需對那些不確定類型的字符串，使用這些幫助函數先做一次轉換就好。 

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

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Ls5jOGEl-1570179360053)(data:image/gif;base64,R0lGODlhAQABAPABAP///wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==)]

不同 Python 版本的 pickle 差異

Instagram 的代碼中大量使用了 pickle。比如用它序列化某個對象，然后將其存儲在 memcache 中。如下面的代碼所示： 

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

問題在于，Python 2 與 Python 3 的 pickle 模塊是有差別的。

如果上文的第一行代碼，剛好是由 Python 3 運行的服務進行序列化后存入 memcache。而反序列化的過程卻是由 Python 2 進行，那代碼運行時就會出現下面的錯誤：

ValueError: unsupported pickle protocol: 4

這是由于在 Python 3 中，pickle.HIGHEST_PROTOCOL 的值為 4，而 Python 2 中的的 pickle 最高支持的版本號卻是 2。那么如何解決這個問題呢？

Instagram 最終選擇讓 Python 2 和 Python 3 使用完全不同的 namespace 來訪問 memcache。通過將二者的數據讀寫完全隔開來解決這個問題。

迭代器

在 Python 3 中，很多內置函數被修改成了只返成迭代器 Iterator： 

map() filter() dict.items() 

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-GLVPUDc0-1570179360059)(data:image/gif;base64,R0lGODlhAQABAPABAP///wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==)]

迭代器有諸多好處，最大的好處就是，使用迭代器不需要一次性分配大量內存，所以它的內存效率比較高。

但是迭代器有一個天然的特點，當你對某個迭代器做了一次迭代，訪問完它的內容后，就沒法再次訪問那些內容了。迭代器中的所有內容都只能被訪問一次。

在 Instagram 的 Python 3 遷移過程中，就因為迭代器的這個特性被坑了一次，看看下面這段代碼： 

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> 

這段代碼的用處是挨個編譯 Cython 源文件。當他們把運行環境切換到 Python 3 后，一個奇怪的問題出現了：CYTHON_SOURCES 中的第一個文件永遠都被跳過了編譯。為什么呢？

這都是迭代器的鍋。在 Python 3 中，map() 函數不再返回整個 list，而是返回一個迭代器。

于是，當第二行代碼生成 builds 這個迭代器后，第三行代碼的 while 循環迭代了 builds，剛好取出了第一個元素。于是之后的 pending 對象便里面永遠少了那第一個元素。

這個問題解決起來也挺簡單的，你只要手動的吧 builds 轉換成 list 就可以了： 

builds = list(map(BuildProcess, CYTHON_SOURCES)) 

但是這類 bug 非常難定位到。如果用戶的 feeds 里面永遠少了那最新的第一條，用戶很少會注意到。

字典的順序

看看下面這段代碼： 

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

它會輸出什么結果呢？ 

# 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，這個 json dumps 的結果是完全不一樣的。甚至在 3.5.1 中，它會完全隨機的返回兩個不同的結果。Instagram 有一段判斷配置文件是否發生變動的模塊，就是因為這個原因出了問題。

這個問題的解決辦法是，在調用 json.dumps 傳入 sort_keys=True 參數： 

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

遷移到 Python 3.6 后的性能提升

當 Instagram 解決了這些奇奇怪怪的版本差異問題后，還有一個巨大的謎題困擾著他們：性能問題。

在 Instagram，他們使用兩個主要指標來衡量他們的服務性能：

•  每次請求產生的 CPU 指令數（越低越好）
•  每秒能夠處理的請求數（越高越好）

所以，當所有的遷移工作完成后，他們非常驚喜的發現：第一個性能指標，每次請求產生的 CPU 指令數居然足足下降了 12% ！！！

但是，按理說第二個指標 - 每秒請求數也應該獲得接近 12% 的提升。不過最后的變化卻是 0%。究竟是出了什么問題呢？

他們最終定位到，是由于不同 Python 版本下的內存優化配置不同，導致 CPU 指令數下降帶來的性能提升被抵消了。那為什么不同 Python 版本下的內存優化配置會不一樣呢？

這是他們用來檢查 uwsgi 配置的代碼： 

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

注意到那段... ... == 'True'了嗎？在 Python 3 中，這個條件判斷總是不會被滿足。問題就在于 unicode。在將代碼中的'True'換成 b'True'（也就是將文本類型換成二進制，這種判斷在 Python 2 中完全不區分的）后，問題解決了。

所以，最終因為加上了一個小小的字母 'b'，程序的整體性能提升了 12%。

完美切換

在今年二月份，Instagram 的后端代碼的運行環境完全切換到了 Python 3 下：

當所有的代碼都都遷移到 Python 3 運行環境后：

•  節約了 12% 的整體 CPU 使用率（Django/uwsgi）
•  節約了 30% 的內存使用（celery）

同時，在整個遷移期間，Instagram 的月活用戶經歷了從 4 億到 6 億 的巨大增長。產品也發布了評論過濾、直播等非常多新功能。

那么，那幾個最開始驅動他們遷移到 Python 3 的目的呢？

•  類型注解：Instagram 的整個 codebase 里已經有 2% 的代碼添加上了類型注解，同時他們還開發了一些工具來輔助開發者添加類型提示
•  asyncio：他們在單個接口中利用 asynio 平行的去做多件事情，最終降低了 20-30% 的請求延遲。
•  社區：他們與 Intel 的工程師聯合，幫助他們更好的對 CPU 利用率進行調優。同時還開發了很多新的工具，幫助他們進行性能調優

Instagram 帶給我們的啟示

Instagram 的演講視頻時間不長，但是內容很豐富，在編寫此文前，我完全沒有想到最終的文章會這么長。

那么總結一下，Instagram 的視頻可以給我們哪些啟示呢？

•  Python + Django 的組合完全可以負載用戶數以 10 億記的服務，如果你正準備開始一個項目，放心使用 Python 吧！
•  完善的單元測試對于復雜項目是非常有必要的。如果沒有那『成千上萬的單元測試』。很難想象 Instagram 的遷移項目可以成功進行下去。
•  開發者和同事也是你的產品用戶，利用好他們。用他們為你的新特性發布前多一道測試。
•  完全基于主分支的開發流程，可以給你更快的迭代速度。前提是擁有完善的單元測試和持續部署流程。
•  Python 3 是大勢所趨，如果你正準備開始一個新項目，無需遲疑，擁抱 Python 3 吧！