[python]使用gunicorn部署fastapi服务

简介: [python]使用gunicorn部署fastapi服务

前言

Gunicorn是一种流行的WSGI HTTP服务器,常用于部署Django和Flask等Python Web框架程序。Gunicorn具有轻量级、高稳定性和高性能等特性,可以轻易提高Python WSGI App运行时的性能。

基本原理

Gunicorn采用了pre-fork模型,也就是一个工作进程和多个worker进程的工作模式。在这个模型中,master进程负责接收并处理外部的连接请求,并将这些请求分配给多个worker进程来处理。

当一个gunicorn服务启动时,master进程会首先创建多个worker工作进程,并将它们初始化为一个无限循环的状态,确保worker进程可以不断地等待接收新请求。当一个请求进来,master会将该请求分发给其中一个worker进程。不同的请求分发到不同的worker进程,可以有效提高请求的响应速度和并发处理能力。当某个worker进程崩溃或异常终止时,master进程会自动重新启动一个新的worker工作进程。

安装

pip install gunicorn

示例

首先编写一个简单的服务,请求响应一个字符串"ok",代码文件名为demo1.py

from fastapi import FastAPI
import uvicorn
from fastapi.responses import PlainTextResponse
app = FastAPI()
@app.get("/")
async def root():
    return PlainTextResponse("ok")
if __name__ == "__main__":
    uvicorn.run(app=app, host="0.0.0.0", port=8000, access_log=False)

正常启动,然后使用wrk测试。使用uvicorn的qps为11733.60

$ ps -ef | grep demo1
atlas       2449    1162 44 22:06 pts/0    00:01:11 python demo1.py
atlas       2478    2462  0 22:08 pts/6    00:00:00 grep demo1
$ wrk -t2 -c 100 -d 60s http://127.0.0.1:8000
Running 1m test @ http://127.0.0.1:8000
  2 threads and 100 connections
  Thread Stats   Avg      Stdev     Max   +/- Stdev
    Latency     8.59ms    4.36ms 276.86ms   91.44%
    Req/Sec     5.90k   520.55     7.84k    68.54%
  704720 requests in 1.00m, 90.73MB read
Requests/sec:  11733.60
Transfer/sec:      1.51MB

使用gunicorn启动。wrk的测试结果:QPS为25859.47,性能直接提升120%

$ gunicorn demo1:app -b 127.0.0.1:8000 -w 4 -k uvicorn.workers.UvicornWorker
$ ps -ef | grep demo1
atlas       2640    1162  0 22:12 pts/0    00:00:00 /home/atlas/workspace/fastapi-study/bin/python3 /home/atlas/workspace/fastapi-study/bin/gunicorn demo1:app -b 127.0.0.1:8000 -w 4 -k uvicorn.workers.UvicornWorker
atlas       2641    2640  8 22:12 pts/0    00:00:40 /home/atlas/workspace/fastapi-study/bin/python3 /home/atlas/workspace/fastapi-study/bin/gunicorn demo1:app -b 127.0.0.1:8000 -w 4 -k uvicorn.workers.UvicornWorker
atlas       2642    2640  8 22:12 pts/0    00:00:40 /home/atlas/workspace/fastapi-study/bin/python3 /home/atlas/workspace/fastapi-study/bin/gunicorn demo1:app -b 127.0.0.1:8000 -w 4 -k uvicorn.workers.UvicornWorker
atlas       2645    2640 10 22:12 pts/0    00:00:47 /home/atlas/workspace/fastapi-study/bin/python3 /home/atlas/workspace/fastapi-study/bin/gunicorn demo1:app -b 127.0.0.1:8000 -w 4 -k uvicorn.workers.UvicornWorker
atlas       2646    2640 11 22:12 pts/0    00:00:52 /home/atlas/workspace/fastapi-study/bin/python3 /home/atlas/workspace/fastapi-study/bin/gunicorn demo1:app -b 127.0.0.1:8000 -w 4 -k uvicorn.workers.UvicornWorker
atlas       2665    2462  0 22:20 pts/6    00:00:00 grep demo1
$ wrk -t2 -c 100 -d 60s http://127.0.0.1:8000
Running 1m test @ http://127.0.0.1:8000
  2 threads and 100 connections
  Thread Stats   Avg      Stdev     Max   +/- Stdev
    Latency     4.13ms    3.38ms 112.09ms   88.85%
    Req/Sec    13.00k     1.44k   19.86k    71.58%
  1554274 requests in 1.00m, 200.11MB read
Requests/sec:  25859.47
Transfer/sec:      3.33MB
相关文章
|
2月前
|
JSON 关系型数据库 测试技术
使用Python和Flask构建RESTful API服务
使用Python和Flask构建RESTful API服务
|
2月前
|
机器学习/深度学习 自然语言处理 API
如何使用阿里云的语音合成服务(TTS)将文本转换为语音?本文详细介绍了从注册账号、获取密钥到编写Python代码调用TTS服务的全过程
如何使用阿里云的语音合成服务(TTS)将文本转换为语音?本文详细介绍了从注册账号、获取密钥到编写Python代码调用TTS服务的全过程。通过简单的代码示例,展示如何将文本转换为自然流畅的语音,适用于有声阅读、智能客服等场景。
349 3
|
3月前
|
数据处理 Apache 数据库
将 Python UDF 部署到 Apache IoTDB 的详细步骤与注意事项
【10月更文挑战第21天】将 Python UDF 部署到 Apache IoTDB 中需要一系列的步骤和注意事项。通过仔细的准备、正确的部署和测试,你可以成功地将自定义的 Python UDF 应用到 Apache IoTDB 中,为数据处理和分析提供更灵活和强大的支持。在实际操作过程中,要根据具体情况进行调整和优化,以确保实现最佳的效果。还可以结合具体的代码示例和实际部署经验,进一步深入了解和掌握这一过程。
34 2
|
3月前
|
机器人 Shell Linux
【Azure Bot Service】部署Python ChatBot代码到App Service中
本文介绍了使用Python编写的ChatBot在部署到Azure App Service时遇到的问题及解决方案。主要问题是应用启动失败,错误信息为“Failed to find attribute 'app' in 'app'”。解决步骤包括:1) 修改`app.py`文件,添加`init_func`函数;2) 配置`config.py`,添加与Azure Bot Service认证相关的配置项;3) 设置App Service的启动命令为`python3 -m aiohttp.web -H 0.0.0.0 -P 8000 app:init_func`。
|
3月前
|
Linux Python
【Azure Function】Python Function部署到Azure后报错No module named '_cffi_backend'
ERROR: Error: No module named '_cffi_backend', Cannot find module. Please check the requirements.txt file for the missing module.
|
3月前
|
机器学习/深度学习 数据采集 自然语言处理
使用Python实现深度学习模型:智能客户服务与支持
使用Python实现深度学习模型:智能客户服务与支持
41 6
|
3月前
|
网络协议 Python
|
4月前
|
Kubernetes API 开发工具
【Azure Developer】通过SDK(for python)获取Azure服务生命周期信息
需要通过Python SDK获取Azure服务的一些通知信息,如:K8S版本需要更新到指定的版本,Azure服务的维护通知,服务处于不健康状态时的通知,及相关的操作建议等内容。
56 18
|
3月前
|
机器学习/深度学习 数据采集 自然语言处理
摘要分享服务python版
【10月更文挑战第3天】本文介绍了将链接转换为标题和内容摘要的技术,包括抽取式和生成式摘要方法。抽取式摘要通过提取关键句子生成摘要,而生成式摘要则通过理解语义生成新句子。文中还详细描述了链接预览生成的实现过程,从链接识别到内容解析,再到预览卡片生成,并提供了Python代码示例。这些技术提高了信息的可读性和访问效率。
20 0
|
4月前
|
Linux Python
linux之部署python环境&创建虚拟环境
linux之部署python环境&创建虚拟环境