在上一篇中对代码进行了优化，离需求进了一步，但还是很大距离，代码进一步优化我也不知道怎么办了，不会高深的算法。只能从改进系统架构考虑。
　　方案3： 改变系统架构
　　在开始多进程之前，先简单说明一下python GIL， 之前自己对他也有些误解。因为python GIL的机制存在，同时运行的线程只有一个，但这个线程在不同时刻可以运行在不同的核上，这个调度是由操作系统完成的，如果你写个死循环，开的线程足够多，是可以把整个系统的CPU消耗干净的，此时你在Linux下通过top可以看到，us 占用的CPU不大，但sy占用的CPU会很大，CPU主要消耗在系统调度上了。下面是测试代码，大家可以试试。
import threading
class MultipleThread(threading.Thread):
def __init__(self):
threading.Thread.__init__(self)
def run(self):
while 1:
print "here"
for i in xrange(100):
multiple_thread=MultipleThread()
multiple_thread.start()
multiple_thread.join()
　　既然因为GIL的存在，同时只能运行一个线程，那多线程可以提高效率，当然可以！开个3-4个线程可以明显的提高性能，大概能提高个2-3倍左右吧，但继续增加线程是副作用了。
　　系统多线程的系统架构：
　　发送和接受都不存在瓶颈，主要瓶颈在在红线部分，decode和 encode部分。多线程改成多进程比较简单，工作量不大，只要把需要多进程共享的信息，由Queue改成multiprocessing.Queue()可以了，把继承的DiameterMsgParser(threading.Thread)改成DiameterMsgParser(multiprocessing.Process)，有个比较麻烦的是log的输出，python自带的logging模块在多进程下写同一个文件会引起混乱。这个在后面单独说明。
import multiprocessing
import logging
class Worker(multiprocessing.Process):
def __init__(self，mp_name，input_queue):
multiprocessing.Process.__init__(self，name=mp_name)
self.input_queue=input_queue
def run(self):
for i in xrange(100):
self.input_queue.put_nowait(i)
logging.debug("test "+str(i))
　　多线程改成多进程后，在sunfire 4170 (16 core ， 2.4G ) 上能支持到5000 meesages (双向)， CPU占有率 30-40%，用的是标准的python2.7，因为在solaris上没安装成功pypy，所以在此机器上，我没有测试pypy对性能影响多大。但我在一个2核的linux机器上测试python和 pypy，在多进程的情况下的效率，pypy对效率的提升没有达到倍数的级别，没找到什么原因， 后面有CPU核数比较多的机器再测试下。