C++ Web 框架性能实测:Hical vs Drogon vs Crow vs Oat++ vs cpp-httplib vs Cinatra(2026)
上一篇横评我们从架构设计、功能完整度和开发体验角度对比了四个 C++ Web 框架。结论是"各有适合的场景"——但没回答一个关键问题:到底差多少。本文用硬数据补上这个缺口:相同硬件、相同容器、相同压测工具,12 个场景全量对比,包括别人不太敢贴的对自己不利的数据。
目录
1. 引言
C++ Web 框架的选型讨论中,最常听到三句话:
- “Drogon 在 TechEmpower 上排名很高”
- “Crow 极简,几行代码就能跑”
- “Oat++ 零依赖,开箱即用”
- “cpp-httplib 零依赖单头文件,几行就能搭 HTTP 服务”
- “Cinatra 是国产 C++20 协程框架,性能号称顶尖”
这些都是事实,但缺少在统一条件下的定量对比。框架官网的 benchmark 通常只跑 Hello World,且各自用不同的硬件、不同的压测工具、不同的并发参数——数据之间几乎没有可比性。
本文的定位:
- 补充 07 号文章 的定性对比,用数据量化各框架的性能差异
- 与 11 号文章 的跨语言对比形成互补——那篇回答"C++ 和 Go/Rust 差多少",本篇回答"C++ 框架之间差多少"
- 所有数据可复现——Docker 一键启动,
run_bench.sh跑一遍就能拿到结果
先说一件必须交代的事:本文数据采集于 2026-09-28,整份重跑过一轮。跟上一版逐格对了一遍,基础场景里各家偏移在 -3%+10%,高并发场景到了 +8%+32%。这个漂移量说明上一轮整体不该用,所以这版把 6 个框架 6 个场景全部重采了一遍,上一版的数字本文不再引用。
2. 测试环境与方法论
2.1 硬件 & 容器环境
| 项目 | 规格 |
|---|---|
| 宿主机 | Windows 10 Enterprise LTSC 2021,Intel Core i7-11700K @ 3.60GHz(8 核 16 线程),32GB 内存 |
| 虚拟机 | Oracle VirtualBox 7.1,Ubuntu 24.04.3 LTS Server,8 CPU / 16GB 内存 / 102GB SSD |
| Docker | Docker Engine 29.4.3(VM 内原生运行,非 Docker Desktop) |
| 容器资源 | 每容器限制 4 CPU + 1024MB 内存,nofile=65536 |
| 网络 | Docker 内部 bridge 网桥,wrk 独立容器通过服务名访问各框架 |
虚拟化配置说明:这台 VM 之前一直跑在宿主 Hyper-V / VBS 开启的状态下。VT-x 被 Hyper-V 独占后,VirtualBox 只能降级到 WHPX/NEM 慢路径——每次 VM exit 要走用户态 API、内存变成嵌套两级地址翻译、中断还得经 hypervisor 转发。对一个每秒百万次 syscall、百万次中断的网络密集负载来说,这个代价接近一个数量级。后来做了以下修正:
- 宿主机关闭 Hyper-V / VBS(
bcdedit /set hypervisorlaunchtype off后重启) - 网卡从默认的 e1000(Intel 82540EM,全模拟网卡)换成 virtio-net(半虚拟化)
- 半虚拟化接口设为 KVM,启用 PAE/NX
- SATA 控制器勾选「使用主机 I/O 缓存」,虚拟硬盘标记为固态驱动器
修完前后不是小修小补,是 4 倍量级的差距。如果你也在 VirtualBox 里跑压测,建议先按上面四条自查一遍,再怀疑代码。
2.2 框架版本 & 编译配置
| 框架 | 版本 | 编译器 | 优化级别 | 异步模型 | 备注 |
|---|---|---|---|---|---|
| Hical | main @ ba28ad0(2.7.0 后) | GCC 14(Ubuntu 24.04) | Release | Boost.Asio 协程 | 仓库源码 + Boost 静态链接 |
| Drogon | v1.9.8 | GCC(Ubuntu 24.04 默认) | Release | Trantor 事件循环 | |
| Crow | v1.2.0 | GCC(Ubuntu 24.04 默认) | Release | Standalone Asio | 单头文件 |
| Oat++ | v1.3.0 | GCC(Ubuntu 24.04 默认) | Release | Simple(同步线程池) | 零外部依赖 |
| cpp-httplib | v0.18.3 | GCC(Ubuntu 24.04 默认) | Release | 同步线程池 | 单头文件 + nlohmann/json |
| Cinatra | yalantinglibs v0.3.0 | GCC(Ubuntu 24.04 默认) | Release | C++20 协程 | 阿里 yalantinglibs 生态 |
所有框架统一
-DCMAKE_BUILD_TYPE=Release(CMake 的 Release 默认就是-O3 -DNDEBUG,没有工程级覆盖),统一 4 工作线程。Oat++ 用 Simple API(同步模型),每个连接占用一个线程上下文——这是 Oat++ 官方推荐的标准模式。
2.3 压测工具与参数
| 工具 | 版本 | 默认参数 |
|---|---|---|
| wrk | 4.1.0 | 4 threads, 100 connections, 30s duration |
POST 请求使用挂载的 Lua 脚本(post_echo.lua)携带 JSON Body {"name":"Alice","age":30,"email":"alice@example.com"},避免 heredoc 管道问题。
宿主机内核参数在容器启动前调过:端口范围放宽到 1024-65535、somaxconn 和 tcp_max_syn_backlog 提到 65535、打开 tcp_tw_reuse。这些是网络栈级别的参数,容器创建时从宿主 net namespace 继承。
2.4 数据采集流程
- 每个场景用
wrk -t4 -c<并发> -d30s打一轮,逐个框架串行执行,同一时刻只有一个框架在承压 - 原始 wrk 输出和 QPS 汇总都在
benchmark/output/results.md里,本文所有表格都从这份文件里取数 - 补充数据(内存 / 二进制 / 镜像大小 / 代码行数)由
collect_stats.sh采集,结果在benchmark/output/stats.md
2.5 测试场景总览
| # | 场景 | 端点 | 目标 |
|---|---|---|---|
| 1 | Hello World | GET / | 框架调度纯开销下限 |
| 2 | JSON 序列化 | GET /api/status | JSON 构建 + 序列化性能 |
| 3 | JSON Echo | POST /api/echo | 反序列化 + 序列化完整链路 |
| 4 | 路径参数 | GET /users/42 | 参数路由匹配 + JSON 响应 |
| 5 | 高并发 1,000 | GET / | 中等并发扩展性 |
| 6 | 高并发 10,000 | GET / | 极限并发,观察错误率和 OOM |
中间件场景不进横评。 之前测过 0/3/10 层协程洋葱链和一整套同步过滤链,但比到后面发现问题在于"不可比":六家里只有 Hical 和 Drogon 有真正等价的运行时协程中间件,其余四家(Crow / Oat++ / cpp-httplib / Cinatra)要么是编译期模板、要么根本没有运行时中间件机制,只能用
std::function手搓调用链去模拟。拿模拟出来的数字和真机制并排比,看着热闹,其实测的不是同一个东西。所以中间件从这张表里撤掉了。Hical 的 bench 服务器里仍留着
/middleware/0和/middleware/10两个端点——那是给我自己跟踪中间件开销用的(见仓库里 VM 压测指南的基线表),不进框架对比,其他五家的服务器里也没有对应实现。
3. 基础吞吐量对比
3.1 Hello World — 纯框架开销
六个框架返回相同的 13 字节固定字符串,不涉及 JSON 或数据库。
Hical
| |
Drogon
| |
Crow
| |
Oat++
| |
cpp-httplib
| |
Cinatra
| |
| 框架 | QPS | Avg 延迟 | Max 延迟 | Stdev |
|---|---|---|---|---|
| Cinatra | 605,123 | 149.52us | 12.22ms | 183.62us |
| Hical | 562,810 | 174.11us | 19.66ms | 315.23us |
| Drogon | 515,760 | 195.54us | 16.08ms | 265.15us |
| Crow | 311,188 | 327.38us | 19.55ms | 255.88us |
| Oat++ | 226,090 | 2.92ms | 100.31ms | 7.22ms |
| cpp-httplib | 85,410 | 27.56ms | 317.88ms | 36.14ms |
分析:Cinatra(605K)第一,Hical(563K)第二,两家差 7.5%;Drogon(516K)第三,跟 Hical 差 9.1%。这仨加起来跨了 17% 的区间,但量级还是一档。再往下 Crow(311K)和 Oat++(226K)各差一档,cpp-httplib 的 85K 是最后一名。
这里必须说清楚一个口径问题:六个框架返回的都是 13 字节的 Hello, World!,实际在网络上传的字节数却差得很多。用 Transfer/sec ÷ Requests/sec 反推每请求的 wire 字节(wrk 的 MB 是 1024 进制):
| 框架 | 每请求字节 | 其中响应头 | Transfer/sec |
|---|---|---|---|
| Hical | 175 B | ~162 B | 93.93MB |
| Drogon | 151 B | ~138 B | 74.27MB |
| Crow | 134 B | ~121 B | 39.77MB |
| cpp-httplib | 110 B | ~97 B | 8.95MB |
| Cinatra | 106 B | ~93 B | 61.17MB |
| Oat++ | 97 B | ~84 B | 20.91MB |
这个算法可以拿 wrk 日志里的 GB read 交叉验证:Hical 那行写着 16940788 requests in 30.10s, 2.76GB read,2.76 GiB ÷ 16940788 ≈ 174.9 B,跟表里的 175 B 对得上。
Hical 每请求比 Cinatra 多推约 69 字节,整轮多发 65% 的字节。差异主要在响应头的自动附带策略上——Hical 在连接建立时预构建了 Server / Connection / Date 三个通用头,Cinatra 默认不发 Date。
所以「Cinatra 比 Hical 快 7.5%」这句话得打个折扣:论单位带宽的效率,Hical 反而更高(93.93MB/s vs 61.17MB/s)。反过来说,如果你的瓶颈是出网带宽而不是 QPS,这 69 字节就是实打实的成本。QPS 是单维指标,读表的时候心里得有这根弦。
3.2 JSON 序列化
各框架构建相同结构的 JSON 对象({"status":"running","framework":"xxx"})并序列化为响应体。
JSON 库差异:
| 框架 | JSON 库 | 序列化方式 |
|---|---|---|
| Hical | Boost.JSON | json::object → json::value |
| Drogon | jsoncpp | Json::Value → 内部序列化 |
| Crow | crow::json | crow::json::wvalue |
| Oat++ | 内置 ObjectMapper | DTO → 自动序列化 |
| cpp-httplib | nlohmann/json | json → dump() |
| Cinatra | iguana (struct_json) | iguana::to_json() |
| 框架 | QPS | Avg 延迟 | Max 延迟 | Stdev | QPS 下降 |
|---|---|---|---|---|---|
| Cinatra | 567,065 | 166.70us | 10.01ms | 214.82us | -6.3% |
| Hical | 534,547 | 183.22us | 10.30ms | 213.57us | -5.0% |
| Drogon | 361,592 | 285.04us | 12.26ms | 244.45us | -29.9% |
| Crow | 280,068 | 362.79us | 9.32ms | 222.95us | -10.0% |
| Oat++ | 190,915 | 3.27ms | 83.43ms | 7.46ms | -15.6% |
| cpp-httplib | 79,625 | 29.93ms | 550.67ms | 40.90ms | -6.8% |
“QPS 下降"列表示相对 Hello World 场景的衰减,反映 JSON 序列化引入的额外开销。
分析:这个场景基本是 JSON 库的选型考试。Hical 的 Boost.JSON(-5.0%)、Cinatra 的 iguana(-6.3%)、cpp-httplib 的 nlohmann(-6.8%)三个几乎没付出代价,Drogon 的 jsoncpp 掉了 29.9%。差距不是框架的锅,是库的锅——换个 JSON 库,Drogon 这个数字能立刻好看一截。
3.3 JSON Echo(反序列化 + 序列化)
接收 POST Body,解析后原样返回。
| 框架 | QPS | Avg 延迟 | Max 延迟 | Stdev | QPS 下降 |
|---|---|---|---|---|---|
| Cinatra | 533,886 | 178.81us | 9.07ms | 187.74us | -11.8% |
| Hical | 439,399 | 234.31us | 13.15ms | 236.15us | -21.9% |
| Drogon | 292,815 | 349.84us | 10.56ms | 239.38us | -43.2% |
| Crow | 236,927 | 428.62us | 9.31ms | 211.02us | -23.9% |
| Oat++ | 146,888 | 3.65ms | 152.02ms | 7.54ms | -35.0% |
| cpp-httplib | 72,802 | 32.51ms | 541.59ms | 44.04ms | -14.8% |
Drogon 在 JSON Echo 场景相对 Hello World 下降 43.2%,比纯序列化场景(-29.9%)又多掉 13 个点——jsoncpp 的反序列化比序列化更贵。Hical 掉 21.9%,Cinatra 掉 11.8%。
3.4 路径参数
GET /users/42,路由系统从 URL 提取 id 参数并构建 JSON 响应。
路由匹配机制差异:
| 框架 | 静态路由 | 参数路由 | 匹配复杂度 |
|---|---|---|---|
| Hical | 哈希表 O(1) | 按方法分组线性扫描 | O(1) + O(N/M) |
| Drogon | 哈希表 | 正则匹配 | O(1) + O(regex) |
| Crow | 前缀树 Trie | Trie 节点匹配 | O(path_len) |
| Oat++ | PathPattern | 模式匹配 | O(pattern_count) |
| cpp-httplib | 正则匹配 | 正则捕获组 | O(regex) |
| Cinatra | Radix Tree | :param_name 模式 | O(path_len) |
| 框架 | QPS | Avg 延迟 | Max 延迟 | Stdev |
|---|---|---|---|---|
| Cinatra | 538,086 | 181.31us | 11.01ms | 221.29us |
| Hical | 516,732 | 192.86us | 10.45ms | 208.88us |
| Drogon | 335,876 | 303.41us | 9.27ms | 200.81us |
| Crow | 271,959 | 370.34us | 8.21ms | 164.05us |
| Oat++ | 189,858 | 2.79ms | 93.68ms | 6.24ms |
| cpp-httplib | 80,820 | 28.99ms | 238.31ms | 38.21ms |
参数路由这档 Cinatra(538K)和 Hical(517K)都在 50 万上下,正则匹配那套代价没怎么体现在 Hical 身上,只掉了 8.2%。Drogon(336K)掉到第二梯队,正则匹配参数路由的代价在这里体现得比较直接。
3.5 基础场景汇总
| 场景 | Cinatra | Hical | Drogon | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| Hello World | 605,123 | 562,810 | 515,760 | 311,188 | 226,090 | 85,410 |
| JSON 序列化 | 567,065 | 534,547 | 361,592 | 280,068 | 190,915 | 79,625 |
| JSON Echo | 533,886 | 439,399 | 292,815 | 236,927 | 146,888 | 72,802 |
| 路径参数 | 538,086 | 516,732 | 335,876 | 271,959 | 189,858 | 80,820 |
四个基础场景的名次一模一样:Cinatra 全第一,Hical 全第二,Drogon 全第三,后面 Crow、Oat++、cpp-httplib 依次排。Cinatra 对 Hical 的领先在 4.1%
21.5% 之间浮动(路径参数最小、JSON Echo 最大);而 Drogon 一旦进 JSON 就掉到 -35%-43%——它不是被 Cinatra 甩开的,是被自己的 JSON 库甩开的。
4. 高并发扩展性
固定 Hello World 端点,逐步提升并发连接数(100 → 1000 → 10000),观察 QPS 变化和错误率。
4.1 QPS 随并发数变化
| 并发连接 | Cinatra | Drogon | Hical | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| 100 | 605,123 | 515,760 | 562,810 | 311,188 | 226,090 | 85,410 |
| 1,000 | 479,291 | 464,828 | 447,487 | 265,762 | 177,771 | 84,332 |
| 10,000 | 197,470 | 197,957 | 181,924 | 185,720 | 123,480 | 74,864 |
相对 c=100 的衰减:
| 并发连接 | Hical | Drogon | Cinatra | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| 1,000 | -20.5% | -9.9% | -20.8% | -14.6% | -21.4% | -1.3% |
| 10,000 | -67.7% | -61.6% | -67.4% | -40.3% | -45.4% | -12.3% |
4.2 延迟随并发数变化
| 并发连接 | Cinatra | Drogon | Hical | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| 100 | 149.52us | 195.54us | 174.11us | 327.38us | 2.92ms | 27.56ms |
| 1,000 | 2.05ms | 2.12ms | 2.24ms | 3.75ms | 7.86ms | 276.80ms |
| 10,000 | 35.09ms | 29.49ms | 31.56ms | 53.33ms | 54.73ms | 66.31ms |
分析:从 100 并发到 1000 并发,Hical(-20.5%)和 Cinatra(-20.8%)一起掉两成,Crow 掉 14.6%,Drogon 只掉 9.9%。到 10000 并发,Drogon(198K)和 Cinatra(197K)咬在一起,Crow(186K)排第三,Hical(182K)第四——四个异步框架里它排最后。
这组和上一版是反过来的。 上一版 Hical 在 1000 并发排第二、10000 并发排第三,这一版两个档位各往后挪了一位。我的看法是上一版的整体测量就有偏差(见开头那段),但具体偏在哪、为什么偏,我没做 profiling,不编原因。
顺带记一笔我自己没想明白的地方:用 QPS × 平均延迟 反推在途请求数——Hical 98.0、Drogon 100.9、Crow 101.9、Cinatra 90.5,四家整整齐齐卡在 wrk 的 100 并发上,这个很合理。但 Oat++ 推出 660、cpp-httplib 推出 2354,两个数都超过了 100。按常理推不出这个结果,我没去查,先如实标在这里。
4.3 错误率 & Socket Errors
| 并发 10K | Hical | Drogon | Crow | Cinatra | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| Socket errors | 无 | 无 | 无 | timeout 2,288 | timeout 7,899 | read 161,186 + timeout 55 |
说明:上一版 10K 测试里六个框架全都报
connect 8983错误——容器有效 fd 只有一千出头,所谓的一万并发根本没压进去,测的其实是千级并发。这一版把nofile提到 65536、宿主内核参数也调了,连接是真建立起来了:Hical、Drogon、Crow 三家零错误,Cinatra 有 2288 个 timeout,Oat++ 的 7899 个 timeout 是同步线程池在万级连接下的典型表现。cpp-httplib 出现了 16 万个读错误(
read 161186),是六家里唯一报读方向错误的。同一场景它的 QPS 也掉到 74,864,六家最低。
5. 资源效率
5.1 内存占用
| 框架 | 空载内存 | 满载内存 |
|---|---|---|
| Hical | 129.6MiB | 129.6MiB |
| Drogon | 97.79MiB | 92.05MiB |
| Cinatra | 92.46MiB | 86.87MiB |
| Crow | 65.02MiB | 64.91MiB |
| Oat++ | 18.8MiB | 16.36MiB |
| cpp-httplib | 1.891MiB | 1.895MiB |
数据来自
docker stats --no-stream,为容器级 RSS。满载数据在 wrk 同时压测所有框架时采样。
Hical 依旧是内存占用最高的,129.6MiB,比第二的 Drogon 高 33%——这是 PMR 三层内存池预分配换来的。Pool 预分配之后运行时几乎不再向系统要内存(空载满载一个数),代价就是启动就占住这一坨。cpp-httplib 的 1.9MiB 是另一个极端,因为它压根没有连接池和缓冲区池。
表里 Drogon、Cinatra、Oat++ 的满载数字比空载还低一点,这是 RSS 采样时刻的正常波动,不是真的把内存还回去了。Hical 和 cpp-httplib 空载满载完全一致,倒是很干净。
5.2 二进制 & Docker 镜像大小
| 框架 | 二进制大小 | Docker 镜像 | 备注 |
|---|---|---|---|
| Hical | 3.0M | 122MB | 本地源码 + Boost 静态链接 |
| Drogon | 1.9M | 122MB | Trantor + jsoncpp 动态链接 |
| Oat++ | 767K | 118MB | 零外部依赖,全静态链接 |
| Cinatra | 508K | 118MB | Header-only,yalantinglibs 生态 |
| Crow | 401K | 118MB | Header-only,极少运行时依赖 |
| cpp-httplib | 400K | 118MB | Header-only,零外部依赖 |
Hical 的 3.0M 是六家里最大的,因为它把 Boost.Asio / Boost.JSON / Boost.System 全都静态链进去了。Crow、cpp-httplib、Cinatra 框架本身是 header-only,外部依赖动态链接,二进制里只有用户代码和少量模板实例化。Docker 镜像的差异主要来自基础镜像(ubuntu:24.04 约 118MB),各框架额外增量只有 0~4MB——所以镜像大小这个指标基本没有区分度。
5.3 代码行数
| 框架 | 文件 | 行数 |
|---|---|---|
| Crow | crow/main.cpp | 56 |
| cpp-httplib | cpphttplib/main.cpp | 65 |
| Drogon | drogon/main.cpp | 67 |
| Cinatra | cinatra/main.cpp | 84 |
| Hical | hical/main.cpp | 95 |
| Oat++ | oatpp/main.cpp | 112 |
wc -l,含注释和空行,按横评用的端点集统计。Hical 那 95 行里有 36 行是/middleware/0和/middleware/10两个端点(只给 Hical 自己跟踪中间件开销用,其他五家没有对应实现),扣掉之后是 59 行,跟 Crow 的 56 行基本持平。剩下的差异基本只是 API 风格——Crow 的CROW_ROUTE一行一个端点最省,Oat++ 的 DTO + Controller 定义最啰嗦。这个数字看看就好,跟性能没关系。
6. 延迟分析
6.1 全场景延迟汇总(Avg / Max)
| 场景 | Cinatra | Hical | Drogon | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| Hello World | 149.52us / 12.22ms | 174.11us / 19.66ms | 195.54us / 16.08ms | 327.38us / 19.55ms | 2.92ms / 100.31ms | 27.56ms / 317.88ms |
| JSON 序列化 | 166.70us / 10.01ms | 183.22us / 10.30ms | 285.04us / 12.26ms | 362.79us / 9.32ms | 3.27ms / 83.43ms | 29.93ms / 550.67ms |
| JSON Echo | 178.81us / 9.07ms | 234.31us / 13.15ms | 349.84us / 10.56ms | 428.62us / 9.31ms | 3.65ms / 152.02ms | 32.51ms / 541.59ms |
| 路径参数 | 181.31us / 11.01ms | 192.86us / 10.45ms | 303.41us / 9.27ms | 370.34us / 8.21ms | 2.79ms / 93.68ms | 28.99ms / 238.31ms |
| 高并发 1K | 2.05ms / 238.93ms | 2.24ms / 152.87ms | 2.12ms / 166.47ms | 3.75ms / 16.43ms | 7.86ms / 1.67s | 276.80ms / 1.93s |
| 高并发 10K | 35.09ms / 2.00s | 31.56ms / 83.39ms | 29.49ms / 94.41ms | 53.33ms / 76.53ms | 54.73ms / 2.00s | 66.31ms / 1.88s |
6.2 延迟稳定性
Stdev 是比平均延迟更重要的指标——尾延迟才是生产环境里导致用户体验劣化的真正杀手。
| 场景 | Cinatra | Hical | Drogon | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| Hello World | 183.62us | 315.23us | 265.15us | 255.88us | 7.22ms | 36.14ms |
| 高并发 1K | 3.25ms | 1.73ms | 1.26ms | 436.99us | 16.54ms | 370.58ms |
| 高并发 10K | 21.43ms | 10.14ms | 10.00ms | 3.04ms | 95.18ms | 241.97ms |
加粗为该项最低。
基础场景(100c)下四家异步框架的 Stdev 都挤在 180~320us 这一档:Cinatra 183.62us 最低,Crow 和 Drogon 差不太多(255.88us / 265.15us),Hical 的 315.23us 稍高一点。
Crow 的稳是全场最扎实的——1K 时 Stdev 436.99us、10K 时 3.04ms,两个档位都是最低。它 QPS 排在中游,但延迟这条线上没什么短板。
Hical 这一版的表现,跟上一版正好翻了个面。 上一版它在 10K 下的 Max 是 445.50ms,六家里最差;这一版是 83.39ms,只比 Crow 的 76.53ms 高一点,Stdev 10.14ms 同样只输给 Crow。1000 并发时 Max 152.87ms,也优于 Drogon 的 166.47ms 和 Cinatra 的 238.93ms。
Cinatra 反过来。10K 的平均延迟 35.09ms 看着还行,Max 直接 2.00s,Stdev 21.43ms 是四家异步框架里最高的,再加上那 2288 个 timeout。平均值这个指标把它的问题盖得严严实实。
选型的时候如果只扫 Avg 这一列,Cinatra 的 35ms 显得很稳妥,而上一版 Hical 那个 445ms 又显得很不稳妥——两次都看走眼了。
7. 综合分析与选型建议
7.1 维度评分
| 维度 | Cinatra | Hical | Drogon | Crow | Oat++ | cpp-httplib |
|---|---|---|---|---|---|---|
| 基础 QPS | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★☆☆☆ | ★☆☆☆☆ |
| 高并发扩展性 | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★☆☆☆ | ★☆☆☆☆ |
| 延迟稳定性 | ★★☆☆☆ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★☆☆☆☆ | ★☆☆☆☆ |
| 内存效率 | ★★★☆☆ | ★★☆☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★★★★ |
| 中间件灵活度 | ★★☆☆☆ | ★★★★★ | ★★★★★ | ★★☆☆☆ | ★★☆☆☆ | ★☆☆☆☆ |
| 代码简洁度 | ★★★☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★☆☆☆ | ★★★★★ |
| 生态成熟度 | ★★★☆☆ | ★★☆☆☆ | ★★★★★ | ★★★☆☆ | ★★★☆☆ | ★★★★☆ |
中间件灵活度和生态成熟度基于架构分析和社区现状评估,非量化数据。所有维度按六框架内部横向比较,不是绝对水平。
7.2 各框架适用场景
选 Cinatra,如果:
- 纯吞吐是首要指标(本文 6 个场景里它拿了 5 个第一)
- 想用 C++20 协程 + 国产生态(yalantinglibs)
- 需要 iguana 反射驱动的自动 JSON 序列化
- 能接受高并发下明显的长尾(10K 时 Max 2 秒 + 2288 个 timeout),并且不介意中间件是全局 AOP 模型
选 Drogon,如果:
- 高并发是核心场景(10K 连接下它是第一,198K QPS,且零错误)
- 需要久经考验的生产级框架和完整生态(ORM、HTTP 客户端、WebSocket)
- 能接受 jsoncpp 在 JSON 密集场景的开销,或打算换掉它
选 Hical,如果:
- 需要路由级中间件精确控制(六家里只有 Hical 和 Drogon 支持,本文未压测中间件,此条为架构能力)
- 对 JSON 序列化性能敏感(Boost.JSON 四个基础场景都在第二,紧跟 iguana)
- 看重万级连接下的延迟波动和长尾(10K 时 Max 83.39ms、Stdev 10.14ms,两项都只输给 Crow)
选 Crow,如果:
- 原型验证、内部工具、教学用途
- 追求最小依赖和最快上手
- 对延迟稳定性要求高于吞吐量(1K/10K 的 Stdev 都是全场最低)
选 Oat++,如果:
- 零外部依赖是硬性需求
- 喜欢 DTO + Controller 的强类型 API 风格
- 高并发不是核心需求
选 cpp-httplib,如果:
- 极致简洁,不想引入任何构建依赖
- 原型验证、脚本式 HTTP 服务、嵌入式场景
- 对性能要求不高,开发效率优先(记住它 10K 并发下会报 16 万个 read 错误)
7.3 性能格局总结
六框架性能依旧是 “四档” 格局,只是每一档的位置动了动:
- 第一梯队:Cinatra(53万
61万)和 Hical(44万56万)。Drogon 在纯文本场景与它们同档(52万),但一进 JSON 就掉到 29万~36万,卡在两档之间 - 第二梯队(24万~31万 QPS):Crow 独占
- 第三梯队(12万~23万 QPS):Oat++,同步线程池模型的天花板
- 第四档(7万~8.5万 QPS):cpp-httplib
但第一梯队内部不是一个平面。Cinatra 赢在纯吞吐和高并发 1000;10K 要看 Drogon;要论万级连接下的长尾,是 Crow 和 Hical 的地盘。选型的时候先想清楚自己最怕什么——怕吞吐上不去,还是怕偶发长尾。
8. 结论
几点诚实的总结:
Cinatra 这轮还是赢得很干净。6 个场景里 5 个第一,唯一输掉的是 10K 并发(197K vs Drogon 198K,差 0.2%)。Hical 在 6 个场景里全部落后 Cinatra,幅度 4.1%~21.5%。
Cinatra 赢在基础吞吐,但高并发下压不住尾巴。10K 时 Max 2.00s、Stdev 21.43ms、2288 个 timeout,这三项在四家异步框架里都是最差的。平均延迟漂亮、尾巴失控,这类问题在"每天跑几亿请求"的场景里一定会暴露出来。
Hical 这轮的表现在两张表上相反。QPS 侧两个并发档位都比上一版各退了一名;延迟侧它的长尾反而是六家里第二好的(10K 时 Max 83.39ms,上一版这个数是 445.50ms)。同样是"重测之后结论变了”,这次我没有 profiling 数据,不做归因,两组数都摆在这儿。
平均值和 Max 讲的是两个故事。四家异步框架的 Avg 延迟在 29.49ms~53.33ms 之间,最多差 1.8 倍;Max 从 Crow 的 76.53ms 到 Cinatra 的 2.00s,差了 26 倍。只看平均值那一列,看不出这中间到底发生了什么。
JSON 库选型比框架选型影响更大。Drogon 换掉 jsoncpp,JSON 场景的数字能立刻好一截,而这是它四个基础场景里唯一明显掉队的地方。
微基准不等于生产性能。Hello World 和实际业务之间隔着数据库查询、鉴权、日志、复杂对象序列化等大量 I/O,框架的"裸 QPS"在生产里会被摊薄。
可复现比可信更重要。本文的全部测试环境和脚本都已开源,不同意结论?
docker compose up自己跑一遍。
9. 复现指南
所有测试代码、Docker 配置和压测脚本均已公开,详见仓库 benchmark/README.md,包含完整的构建、启动、压测、采集和清理流程。
| |
跑之前建议先自查虚拟化环境(见 2.1)。这台 VM 上开着 Hyper-V 和不开着,同一份二进制的成绩能差 4 倍——在那之前你测的是 hypervisor,不是框架。
利益声明:本文作者是 Hical 框架的开发者。为减少偏见,所有测试代码、Docker 配置和压测脚本均已公开,欢迎复现验证。对 Hical 不利的数据同样如实展示:6 个场景全部落后 Cinatra、10K 并发在四家异步框架里垫底、内存占用六家最高。