软件系统中高性能带来的复杂度主要体现在两方面，一方面是单台计算机内部为了高性能带来的复杂度；另一方面是多台计算机集群为了高性能带来的复杂度。

单机复杂度

计算机内部复杂度的核心在于操作系统。随着硬件性能（尤其是 CPU）的发展，操作系统逐渐演变为一个复杂的环境，直接影响着软件系统的复杂度。

最早的计算机没有操作系统，只能进行简单的输入、计算和输出。为了提升效率，批处理操作系统应运而生。批处理系统通过事先写好的指令清单，即“任务”，来让计算机自动执行任务，从而减少人为干预，提升处理效率。然而，批处理系统仍然只能一次处理一个任务，导致 CPU 在等待 I/O 操作时处于空闲状态。

为了解决这个问题，进程的概念被引入。进程允许操作系统同时管理多个任务，通过分时处理的方式，使多个进程看似在并行运行。然而，进程之间互不干涉，无法直接通信，为此，进程间通信机制（如管道、消息队列、信号量、共享存储等）被设计出来。

虽然多进程提升了效率，但进程内的任务依然是串行执行的。为了解决这一问题，线程的概念应运而生。线程是进程内部的子任务，多个线程可以共享同一份进程数据，并同时执行。为保证数据一致性，互斥锁机制也被引入。此时，操作系统的调度单位变成了线程，而进程成为了资源分配的单位。

尽管多进程和多线程让任务处理更高效，但本质上还是分时系统，并未实现真正的并行。为此，硬件层面引入了多处理器结构。常见的结构包括：SMP（对称多处理器结构）、NUMA（非一致存储访问结构）、MPP（海量并行处理结构），其中 SMP 是目前最常见的多核处理器方案。

操作系统的这些技术点（如多进程、多线程、进程间通信、多线程并发等）并不是独立选择的，而是需要在架构设计中综合考量和组合，增加了系统设计的复杂性。

集群的复杂度

随着业务的发展速度远超硬件性能的提升，单台计算机已经无法支撑互联网时代的高负载需求。为了应对这种情况，必须采用机器集群来提升性能。例如：

  • 2016 年“双 11”支付宝的每秒峰值支付达 12 万笔
  • 2017 年春节微信红包的每秒收发量达到 76 万个。

在集群中，为了让多台机器协同工作以实现高性能，架构设计变得非常复杂。常见的集群复杂性主要体现在两方面：任务分配和任务分解。

1. 任务分配

任务分配是指每台机器都能处理完整的业务，不同的任务被分配到不同的机器上执行。随着服务器从 1 台扩展到 2 台，架构复杂性显著提升。

主要体现在以下几个方面：

  • 需要引入任务分配器，它可能是硬件设备（如 F5、交换机）或软件（如 Nginx、HAProxy），甚至是自研系统。选择合适的任务分配器时，需要权衡性能、成本、可维护性、可用性等因素。
  • 任务分配器与业务服务器之间的连接管理需要考虑连接建立、检测、断开的处理方式。
  • 需要设计合适的分配算法，如轮询、按权重分配，或者按服务器负载分配。

如果业务量继续增长，例如从 1 万次每秒到 10 万次每秒，单个任务分配器会成为瓶颈，必须将其扩展为多台，这时的架构又会演变成这个样子。

此时架构进一步复杂化：

  • 任务分配器从 1 台扩展到多台，这要求将用户请求分配到不同的任务分配器上（即图中的虚线“用户分配”部分），常用方法包括 DNS 轮询、智能 DNS、CDN、GSLB（全局负载均衡）等。
  • 任务分配器与业务服务器的连接从简单的“1 对多”变为“多对多”网状结构。
  • 机器数量增加，状态管理和故障处理的复杂度也大幅提升。

2. 任务分解

当业务复杂度进一步提高时，单纯通过任务分配扩展性能的收益开始降低。为了进一步提升性能，需要采用任务分解的方式，将复杂的业务系统拆分为多个小而简单的子系统。以微信的后台架构为例

通过上面的架构示意图可以看出，微信后台架构从逻辑上将各个子业务进行了拆分，包括：接入、注册登录、消息、LBS、摇一摇、漂流瓶等子系统。

任务分解提升性能的原因主要有以下几点：

  • 简单系统更容易优化：功能简单的系统，性能瓶颈更易发现，优化也更有针对性。而复杂系统则难以找到关键性能点，即使找到了，优化时也容易产生连锁反应，导致性能下降。
  • 子系统独立扩展：各个子系统独立后，可以针对性地优化或扩展性能瓶颈。例如，当注册登录系统性能出现瓶颈时，只需优化这一部分，其他子系统不必改动。

然而，任务分解并不是越细越好。过度细分可能导致系统间的通信开销急剧上升。随着子系统数量增加，系统间的调用次数成倍增长，而网络通信的性能远低于系统内部的函数调用。

例如，当系统拆分为 100 个子系统时，为完成一次用户请求，可能需要进行 99 次系统间的网络请求。

举例来说，假设网络传输每次请求耗时 1ms，而业务处理耗时 50ms，那么拆分为 2 个子系统时，总处理时间为 51ms；拆分为 100 个子系统时，总耗时则达到 149ms。虽然系统拆分提升了性能，但它仍有一定的上限，无法突破业务逻辑本身的性能瓶颈。

因此，任务分解的粒度非常关键，过细或过粗都会带来不良后果。设计架构时，需要在系统复杂度和性能提升之间找到平衡点。

总结

高性能系统的设计无论是单机性能的优化，还是集群架构的扩展，都会带来复杂度的增加。单机层面的多进程、多线程、进程间通信等技术，以及集群中的任务分配和任务分解策略，都是在提升性能的同时，增加了系统的设计和实现复杂度。

在实际的架构设计中，必须结合具体业务需求，权衡各种技术的优缺点，找到最合适的方案。高性能的系统设计是一门平衡艺术，需要不断权衡性能、复杂度和成本。