多数人晓得async具备更高的并发性, 这表明针对像动态网站或者Web API这类常见任务, async性能更佳。然而令人可惜的是, async 于解释器而言, 并非是一条加速条。在当下符合实际情况的数据可查看下图之中, 异步网络框架的吞吐量也就是每秒钟的请求量表现更为差劲, 而且响应延迟也要大出许多。基准结果我测试了各种不同的同步和异步的 Web 服务器配置。50分位数的响应时间单位为毫秒, 99分位数的响应时间单位也是毫秒, 吞吐量单位是每秒的请求量, 这种情况下该表依照P99进行排序, 我觉得这极有可能是现实世界里至为重要的统计指标。一些注意事项表现最好的是同步框架但 Flask 的吞吐量比其他的要低表现差的全都是异步框架异步框架的响应延迟也差很多基于 的循环比内置的 循环做得更好。如果不得不使用 请选择 。这些基准测试有代表性吗我持有这样的看法, 我尽可能地使得基准运行的那种场景去贴近实际的状况, 下面呈现的是所运用的架构。我竭尽所能地去模拟那贴近现实状况般的部署情形拥有一个反向代理, 中间所放置的是代码, 而在其后方则是一个数据库。我同样运用了数据库连接池, 这乃是在真实的网络应用部署过程当中较为常见的一种做法起码就对于而言是这种状况。经由随机关键码查询数据库特定行的测试应用程序, 将以JSON格式予以返回, 完整源代码可参看:为什么工作进程 数设置不一样用来决定最佳数量究竟是多少的规则是相当简单的, 对于每一个框架而言, 我起始于1个, 继而连续不断地增加数量, 一直达到性能变得差些的时候的那个数量, 此中规则即为如此。Async 框架与 sync 框架最佳数量存在差异, 缘由很简单, async 框架因具备 IO 并发性, 致使一个进程可令一个 CPU 达到满载。然而同步却别有不同, 它们于进行IO操作之际会开启阻塞调用, 一直到IO操作完结。所以说, 它们所需具备的更多一些, 目的在于保证其在负载状况下所有CPU核心始终维持满负荷行动状态。关于这方面的更多信息请参见 文档。通常来讲, 我们提议将(2乘以$)加上1当作起始的数量。虽说此公式并非十分科学, 不过它是基于这般假设: 针对一个给定的core, 当有一个在处理请求之际, 另外一个能够从套接字里进行读写数据。机器规格我于一种为CX31的机器类型之上, 开展了基准测试, 该机器是配有4 vCPU以及8 GB内存的, 其运行于20.04之上。于另外一台规模较小的虚拟机之上, 运行了施压程序。为什么 async 表现更差吞吐量将请求量除以秒所得的吞吐量, 其最为关键的要素并非是async或者是sync, 而是究竟有多少代码被替换给了本地代码。简而言之, 你能够替换的对性能具有敏感性的代码数量越多, 那么性能也就会越好。这属于性能战术, 拥有着悠久的历史另可查看: numpy。与UWSGI其每个大约有着5.3k请求量每秒涵盖了数量众多的C代码, 标准约3.4k请求量每秒是基于纯粹的。相对于那个默认服务器每秒约4.5k的请求量而言, 每秒约4.9k请求的这个尽管它也安装了其可选的“加速”竟然替换了更多的代码。延时在响应延迟方面, 问题呈现出更为复杂的状况。在请求负载情形下, async的表现相当糟糕, 延迟开始急剧飙升, 相较于传统的同步部署, 延迟的程度要大出许多。为何会是这般状况? 于async情形下, 多线程呈现为合作式, 确切来讲, 就是线程不会被诸如内核这般的中央治理者予以打断, 反而是要主动地将执行时间让予他人。处在该情境里, 执行时间是在三个语言关键词之上进行让渡的, 这三个关键词分别是: await、async for以及async with。这表明执行的时间并非是那种 “公平” 的分配形式, 存在这样一种情况, 那就是一个线程在进行工作期间, 有可能会在不经意间致使另一个线程的 CPU 时间被剥夺, 进而处于饥饿状态。而延迟比较不稳定, 其原因正是如此。相比起来, 传用传统的同步方式 , 像是UWSGI , 采用的乃是内核调度器的那种抢占式Pre-的多进程 , 其工作所持原理是借由周期性地给进程从执行里就进行交换出去 , 以此来确保公平性所在。这所意味的是时间的分配会更为公平 , 延迟方面的差异会更低。为什么其他基准显示的结果不同大多数别的基准, 特别那些源自async框架作者的基准, 压根就没给同步框架配置充足的, 这表明, 这些同步框架事实上没办法合理运用实际可用的大半CPU时间。这里呈现的, 是项目的一个样本基准, 我未曾对这个框架进行测试, 原因在于它属于一个不太流行的框架。宣称在吞吐量方面比Flask高出五百个百分点, 然而, 当我去审查他们的基准代码之时, 发现他们不正确地把Flask配置成每个CPU使用一个 , 当我把这个问题纠正过来的时候, 得到了以下这些结果。运用比Flask更具吞吐量优势的实则仅为18%, 而Flask是我测试当中拥有较低吞吐量的同步框架之一, 故而我觉得一个更为优异的同步设置会比其要快出许多, 尽管此图看上去颇为令人印象深刻。另外还有一个问题, 那就是好多基准都会把响应延迟的统计数据给去除掉, 然后侧重于吞吐量的结果比如说有的基准根本就没提及它。可是呢, 增加吞吐量实际上能够借助简单地增添机器来达成提高, 不过要是在高负载状况下延迟表现不好的话, 却并没有直接可以解决的办法。只有在延迟在可接受的范围内提高吞吐量才真正有意义。进一步的推理、假设和传闻尽管基准测试于设计层面竭力靠拢现实, 然而它依旧远比现实生活里的工作负载单调许多, 所有请求皆会开展一次数据库查询, 接着会将此查询用于做相同之事。真实的应用往往具备更丰富多样的变化, 存在一些耗时较长以及耗时较短的操作, 一些请求进行了诸多IO操作, 另外一些则耗费了大量CPU资源。似乎有理由去假设, 依据我的经验亦是这般, 在真实的应用当中, 延迟变化实际上会大幅更高。在这般情形之下, 我的那种预示着async应用性能会更具问题的预感出现了。公开流传的那些传闻和这个想法是相契合的。Dan分享了他的经历, 他的经历是在Etsy管理一个基于系统的经历, 似乎那个基于该系统的系统受到了延迟变大的困扰。的顾问提及, 尽管, 于整体吞吐量方面表现良好, 然而冷僻的访问请求, 有可能会呈现出严重的延迟状况, 此情形对于。Etsy的系统对于 PHP 前端而言, 这算得上是个问题, 毕竟其具体的使用方式呈现出一种状况, 即为每一个 web 请求, 都将会展开几百次或者几千次的访问行为。此书的作者名为Mike Bayer , 在几年之前创作了《异步 以及数据库》(1) , 其所著之书中从稍稍不同一点的一个角度对异步这一问题予以思考 , 并且他还开展了基准测试 , 经测试发现其效率比较低。by the Bay撰写了一篇名为《我们必须谈谈 、、 这件事》的文章(1), 在该文章里描绘了因 配置致使的操作混乱, 我于生产过程中也碰到过 的麻烦尽管和性能没有关联。尚有一事需提及, 于设定这些基准之际, 每一项async实现, 最终皆以一种令人厌烦之样式出现故障。父进程在没终止任何子进程时就退出了, 这致使我得去寻觅那些仍在8001端口活跃着的子进程。曾有一回, 抛出了一个和文件描述符相关联的相当严重的内部错误, 可它并没退出所以任何进程监控脚本都不会重启它——这罪过可不小。同样在本地碰到了问题, 不过我忘掉了具体是怎样碰到的。所有这些错误均是短暂 的, 运用 不难解决。鉴于实际情况 , 我不愿在生产环境里负责针对这些库 的代码安排职责。与之相较 , 我于使用 或UWSGI期间 , 未曾遭遇任何问题 , 只是UWSGI在应用未正确加载之际 , 是不会退出 的。总结我的提议是, 鉴于性能方面的考量, 采用平常的、同步的就行, 不过要尽可能运用代码。对于而言, 要是吞吐量绝对关键, 值得思索Flask以外的框架, 然而即便在UWSGI情形下的Flask, 也具备最优的延迟特性。感谢 Tudor 帮忙检查了文章中的数据。参阅写过几篇文章的Flask作者, 表达了他对async的担忧第一篇是《我不理解的》(1), 它对async技术做了非常好的解释最近又发了《我感觉不到async的压力》(2), 里面提到。async/await很不错, 然而它促使众人去编写一些在负载增大之后会出现灾难性后果的事物。《你的函数是什么颜色》这篇文章, 解释了一些原因, 这些原因是, 一个语言若同时设有同步以及异步, 开发起来就会相对比较痛苦。函数着色属于 里的一个大问题, 当下社区令人悲哀地划分成写同步代码的人以及写async代码的人, 他们没办法共享同一个库。更糟糕的所在是, 部分异步库跟另外一些异步库不兼容, 因而异步 社区愈发分裂。克里斯, 近来撰写了一篇文稿, 当中也涉及到了延迟方面的问题, 以及标准库里的某些注脚。令人遗憾的是, 这是一种会致使异步程序愈发难以妥善处理的问题。他有的想法是, 库这个概念是不正确的。令我担忧的情形是, 要是探讨PEPs规范之中的那些先辈们不清楚呢, 像处于我这般状况的寻常开发者就更没有希望了。英文原文这篇文章是经过高可用架构进行翻译的, 是关于技术原创以及架构实践方面的文章, 要是你有稿件的话, 可以经由公众号菜单里的「联系我们」进行投稿。高可用架构改变互联网的构建方式大多数人都知道 async 具有更高的并发性。这意味着对于常见的任务如动态网站或 Web API, async 性能更好。但遗憾的是async 对于 解释器来说并不是一个加速条。在现实条件下的数据见下图异步网络框架的吞吐量请求量/秒更差响应延迟也大得多。基准结果我测试了各种不同的同步和异步的 Web 服务器配置。第 50 和 99 分位数的响应时间单位是毫秒 吞吐量单位是每秒请求量。该表按 P99 排序我认为这可能是现实世界中最重要的统计指标。一些注意事项表现最好的是同步框架但 Flask 的吞吐量比其他的要低表现差的全都是异步框架异步框架的响应延迟也差很多基于 的循环比内置的 循环做得更好。如果不得不使用 请选择 。这些基准测试有代表性吗我认为如此我尽量让基准运行的场景贴近真实下面是使用的架构。我尽可能地模拟真实世界的部署一个反向代理中间是 代码后面一个数据库。我还使用了数据库连接池这是真实的 Web 应用部署中常见的做法至少对于 来说是这样。测试的应用程序通过随机 key 查询数据库某一行并以 JSON 形式返回。完整的源代码可以参看 为什么工作进程 数设置不一样决定最佳 数量是多少的规则很简单对于每个框架我从 1 个 开始连续增加数量直到性能变差。Async 和 sync 框架的最佳 数量在有所不同原因很简单async 框架由于其 IO 并发性一个 进程就能让一个 CPU 跑满。而同步 就不一样了它们做 IO 时会调用阻塞直到 IO 完成。因此它们需要有更多的 以确保在负载时所有 CPU 核心始终处于满负荷状态。关于这方面的更多信息请参见 文档。一般来说我们建议 (2 x $) 1 作为开始的 数量。虽然这个公式并不太科学但它是基于这样的假设对于一个给定的 core当一个 在处理请求时另外一个 可以从套接字中读写数据。机器规格我在 的 CX31 机器类型上运行了基准测试它是一个4 vCPU / 8 GB 内存的机器运行在 20.04 上。在另一个较小的虚拟机上运行了施压程序。为什么 async 表现更差吞吐量吞吐量(即请求量/秒)最主要的因素不是 async 还是 sync而是有多少 代码被替换成了本地代码。简单的说你能替换的对性能敏感的 代码越多性能就越好。这是 性能战术历史悠久另见numpy。和 UWSGI每个约 5.3k请求量/秒包含了大量的 C 代码。标准 约 3.4k请求量/秒基于纯 。 (~4.9k请求/秒)比 的默认服务器(~4.5k请求量/秒)替换了更多的 代码(尽管 也安装了它的可选 加速)。延时在响应延迟上问题更复杂。在请求负载下async 的表现很糟糕延迟开始飙升比传统的同步部署延迟的程度要大得多。为什么会这样呢在 async 中多线程是合作式co-的简单来说就是线程不被中央治理者比如内核打断而是要主动把执行时间让给别人。在 中执行时间是在三个语言关键词上让渡的await、async for 和 async with。这意味着执行时间并不是 公平 分配的一个线程在工作时可能会无意中饿死另一个线程的 CPU 时间。这就是为什么延迟比较不稳定的原因。相比之下传统的同步 比如 UWSGI使用的是内核调度器的抢占式Pre-的多进程它的工作原理是通过周期性地将进程从执行中交换出来以保证公平性。这意味着时间的分配更加公平延迟差异更低。为什么其他基准显示的结果不同大多数其他基准尤其是那些来自 async 框架作者的基准根本没有为同步框架配置足够的 。这意味着这些同步框架实际上无法合理使用真正可用的大部分 CPU 时间。下面是 项目的一个样本基准我没有测试这个框架因为它是一个不太流行的框架。声称比 Flask 高出 500% 的吞吐量。然而当我审查他们的基准代码时发现他们错误地将 Flask 配置为每个 CPU 使用一个 。当我纠正这个问题时得到了以下结果。使用 比 Flask 的吞吐量优势其实只有 18%。Flask 是我测试过的吞吐量较低的同步框架之一所以我认为一个更好的同步设置会比 快得多尽管这个图看起来令人印象深刻。另一个问题是许多基准都会去掉响应延迟的统计数据而倾向于吞吐量结果例如 的基准甚至没有提到它。然而增加吞吐量其实可以通过简单增加机器来提高但在高负载下的延迟不佳的话并没有直接的解决办法。只有在延迟在可接受的范围内提高吞吐量才真正有意义。进一步的推理、假设和传闻虽然基准测试在设计方面尽量接近现实但它仍然比现实生活中的工作负载要单调得多 —— 所有的请求都会做一个数据库查询都会用这个查询做同样的事情。真实的应用通常会有更丰富的变化会有一些慢的以及快的操作一些请求做了很多 IO另外一些使用了很多 CPU。似乎有理由假设根据我的经验也是如此在真实的应用中延迟变化实际上要高得多。在这种情况下我的预感 async 应用的性能会更有问题。公开的传闻与这个想法一致。Dan 分享了他在 Etsy 管理一个基于 系统的经历。似乎那个系统受到了延迟变大的困扰。的顾问说虽然 在整体吞吐量上很好但冷僻的访问请求可能会出现严重的延迟这对Etsy的系统来说是个问题因为 PHP 前端的使用方式是每个 web 请求都会访问几百或几千次。的作者 Mike Bayer 在几年前写了《异步 和数据库》(1)他在书中从一个稍微不同的角度考虑了异步的问题。他还进行了基准测试发现 的效率较低。by the Bay 写了一篇文章《我们必须谈谈 、、 这件事》(1)文章中描述了基于 配置所产生的操作混乱。我也曾在生产中遇到过 的麻烦虽然与性能无关。我还需要提到的一件事是在设置这些基准的过程中每一个 async 实现都最终以一种令人讨厌的方式挂掉。的父进程在没有终止任何子进程的情况下就退出了这意味着我不得不去寻找那些还在 8001 端口的子进程。有一次 抛出了一个与文件描述符有关的内部严重错误但它并没有退出 (因此任何进程监控脚本都不会重新启动它 —— 这可是大罪)。 也在本地遇到了麻烦但我忘了具体是怎么遇到的。所有这些错误都是短暂的用 很容易解决。但实际我不想在生产环境中负责基于这些库的代码。相比之下我在使用 或 UWSGI 时没有遇到任何问题 —— 除了UWSGI 在应用没有正确加载时不会退出。总结我的建议是出于性能的考虑使用普通的、同步的 即可但尽量使用 代码。对于 来说如果吞吐量是最重要的值得考虑 Flask 以外的框架但即使是 UWSGI 下的 Flask, 也有最好的延迟特性。感谢 Tudor 帮忙检查了文章中的数据。参阅Flask 作者已经写过几篇文章表达了他对 async 的担忧第一篇是《我不理解 的 》(1)对 async 技术做了非常好的解释最近又发了《我感觉不到 async 的压力》(2)里面提到async/await 非常好但它鼓励大家写一些负载变大后出现灾难性结果的东西。《你的函数是什么颜色》这篇文章解释了一个语言如果同时存在同步和异步开发起来比较痛苦的一些原因。函数着色是 中的一个大问题现在社区很悲哀地分成了写同步代码的人和写 async 代码的人 —— 他们不能共享同一个库。更糟糕的是一些异步库还与另外一些异步库不兼容所以异步 社区更加分裂。Chris 最近写了一篇文章其中也提到了延迟问题和 标准库中的一些注脚。不幸的是这是一种让异步程序更难搞好的问题。
基准测试表明，Async Python 远不如同步方式
多数人晓得async具备更高的并发性, 这表明针对像动态网站或者Web API这类常见任务, async性能更佳。然而令人可惜的是, async 于解释器而言, 并非是一条加速条。在当下符合实际情况的数据可查看下图之中, 异步网络框架的吞吐量也就是每秒钟的请求量表现更为差劲, 而且响应延迟也要大出许多。基准结果我测试了各种不同的同步和异步的 Web 服务器配置。50分位数的响应时间单位为毫秒, 99分位数的响应时间单位也是毫秒, 吞吐量单位是每秒的请求量, 这种情况下该表依照P99进行排序, 我觉得这极有可能是现实世界里至为重要的统计指标。一些注意事项表现最好的是同步框架但 Flask 的吞吐量比其他的要低表现差的全都是异步框架异步框架的响应延迟也差很多基于 的循环比内置的 循环做得更好。如果不得不使用 请选择 。这些基准测试有代表性吗我持有这样的看法, 我尽可能地使得基准运行的那种场景去贴近实际的状况, 下面呈现的是所运用的架构。我竭尽所能地去模拟那贴近现实状况般的部署情形拥有一个反向代理, 中间所放置的是代码, 而在其后方则是一个数据库。我同样运用了数据库连接池, 这乃是在真实的网络应用部署过程当中较为常见的一种做法起码就对于而言是这种状况。经由随机关键码查询数据库特定行的测试应用程序, 将以JSON格式予以返回, 完整源代码可参看:为什么工作进程 数设置不一样用来决定最佳数量究竟是多少的规则是相当简单的, 对于每一个框架而言, 我起始于1个, 继而连续不断地增加数量, 一直达到性能变得差些的时候的那个数量, 此中规则即为如此。Async 框架与 sync 框架最佳数量存在差异, 缘由很简单, async 框架因具备 IO 并发性, 致使一个进程可令一个 CPU 达到满载。然而同步却别有不同, 它们于进行IO操作之际会开启阻塞调用, 一直到IO操作完结。所以说, 它们所需具备的更多一些, 目的在于保证其在负载状况下所有CPU核心始终维持满负荷行动状态。关于这方面的更多信息请参见 文档。通常来讲, 我们提议将(2乘以$)加上1当作起始的数量。虽说此公式并非十分科学, 不过它是基于这般假设: 针对一个给定的core, 当有一个在处理请求之际, 另外一个能够从套接字里进行读写数据。机器规格我于一种为CX31的机器类型之上, 开展了基准测试, 该机器是配有4 vCPU以及8 GB内存的, 其运行于20.04之上。于另外一台规模较小的虚拟机之上, 运行了施压程序。为什么 async 表现更差吞吐量将请求量除以秒所得的吞吐量, 其最为关键的要素并非是async或者是sync, 而是究竟有多少代码被替换给了本地代码。简而言之, 你能够替换的对性能具有敏感性的代码数量越多, 那么性能也就会越好。这属于性能战术, 拥有着悠久的历史另可查看: numpy。与UWSGI其每个大约有着5.3k请求量每秒涵盖了数量众多的C代码, 标准约3.4k请求量每秒是基于纯粹的。相对于那个默认服务器每秒约4.5k的请求量而言, 每秒约4.9k请求的这个尽管它也安装了其可选的“加速”竟然替换了更多的代码。延时在响应延迟方面, 问题呈现出更为复杂的状况。在请求负载情形下, async的表现相当糟糕, 延迟开始急剧飙升, 相较于传统的同步部署, 延迟的程度要大出许多。为何会是这般状况? 于async情形下, 多线程呈现为合作式, 确切来讲, 就是线程不会被诸如内核这般的中央治理者予以打断, 反而是要主动地将执行时间让予他人。处在该情境里, 执行时间是在三个语言关键词之上进行让渡的, 这三个关键词分别是: await、async for以及async with。这表明执行的时间并非是那种 “公平” 的分配形式, 存在这样一种情况, 那就是一个线程在进行工作期间, 有可能会在不经意间致使另一个线程的 CPU 时间被剥夺, 进而处于饥饿状态。而延迟比较不稳定, 其原因正是如此。相比起来, 传用传统的同步方式 , 像是UWSGI , 采用的乃是内核调度器的那种抢占式Pre-的多进程 , 其工作所持原理是借由周期性地给进程从执行里就进行交换出去 , 以此来确保公平性所在。这所意味的是时间的分配会更为公平 , 延迟方面的差异会更低。为什么其他基准显示的结果不同大多数别的基准, 特别那些源自async框架作者的基准, 压根就没给同步框架配置充足的, 这表明, 这些同步框架事实上没办法合理运用实际可用的大半CPU时间。这里呈现的, 是项目的一个样本基准, 我未曾对这个框架进行测试, 原因在于它属于一个不太流行的框架。宣称在吞吐量方面比Flask高出五百个百分点, 然而, 当我去审查他们的基准代码之时, 发现他们不正确地把Flask配置成每个CPU使用一个 , 当我把这个问题纠正过来的时候, 得到了以下这些结果。运用比Flask更具吞吐量优势的实则仅为18%, 而Flask是我测试当中拥有较低吞吐量的同步框架之一, 故而我觉得一个更为优异的同步设置会比其要快出许多, 尽管此图看上去颇为令人印象深刻。另外还有一个问题, 那就是好多基准都会把响应延迟的统计数据给去除掉, 然后侧重于吞吐量的结果比如说有的基准根本就没提及它。可是呢, 增加吞吐量实际上能够借助简单地增添机器来达成提高, 不过要是在高负载状况下延迟表现不好的话, 却并没有直接可以解决的办法。只有在延迟在可接受的范围内提高吞吐量才真正有意义。进一步的推理、假设和传闻尽管基准测试于设计层面竭力靠拢现实, 然而它依旧远比现实生活里的工作负载单调许多, 所有请求皆会开展一次数据库查询, 接着会将此查询用于做相同之事。真实的应用往往具备更丰富多样的变化, 存在一些耗时较长以及耗时较短的操作, 一些请求进行了诸多IO操作, 另外一些则耗费了大量CPU资源。似乎有理由去假设, 依据我的经验亦是这般, 在真实的应用当中, 延迟变化实际上会大幅更高。在这般情形之下, 我的那种预示着async应用性能会更具问题的预感出现了。公开流传的那些传闻和这个想法是相契合的。Dan分享了他的经历, 他的经历是在Etsy管理一个基于系统的经历, 似乎那个基于该系统的系统受到了延迟变大的困扰。的顾问提及, 尽管, 于整体吞吐量方面表现良好, 然而冷僻的访问请求, 有可能会呈现出严重的延迟状况, 此情形对于。Etsy的系统对于 PHP 前端而言, 这算得上是个问题, 毕竟其具体的使用方式呈现出一种状况, 即为每一个 web 请求, 都将会展开几百次或者几千次的访问行为。此书的作者名为Mike Bayer , 在几年之前创作了《异步 以及数据库》(1) , 其所著之书中从稍稍不同一点的一个角度对异步这一问题予以思考 , 并且他还开展了基准测试 , 经测试发现其效率比较低。by the Bay撰写了一篇名为《我们必须谈谈 、、 这件事》的文章(1), 在该文章里描绘了因 配置致使的操作混乱, 我于生产过程中也碰到过 的麻烦尽管和性能没有关联。尚有一事需提及, 于设定这些基准之际, 每一项async实现, 最终皆以一种令人厌烦之样式出现故障。父进程在没终止任何子进程时就退出了, 这致使我得去寻觅那些仍在8001端口活跃着的子进程。曾有一回, 抛出了一个和文件描述符相关联的相当严重的内部错误, 可它并没退出所以任何进程监控脚本都不会重启它——这罪过可不小。同样在本地碰到了问题, 不过我忘掉了具体是怎样碰到的。所有这些错误均是短暂 的, 运用 不难解决。鉴于实际情况 , 我不愿在生产环境里负责针对这些库 的代码安排职责。与之相较 , 我于使用 或UWSGI期间 , 未曾遭遇任何问题 , 只是UWSGI在应用未正确加载之际 , 是不会退出 的。总结我的提议是, 鉴于性能方面的考量, 采用平常的、同步的就行, 不过要尽可能运用代码。对于而言, 要是吞吐量绝对关键, 值得思索Flask以外的框架, 然而即便在UWSGI情形下的Flask, 也具备最优的延迟特性。感谢 Tudor 帮忙检查了文章中的数据。参阅写过几篇文章的Flask作者, 表达了他对async的担忧第一篇是《我不理解的》(1), 它对async技术做了非常好的解释最近又发了《我感觉不到async的压力》(2), 里面提到。async/await很不错, 然而它促使众人去编写一些在负载增大之后会出现灾难性后果的事物。《你的函数是什么颜色》这篇文章, 解释了一些原因, 这些原因是, 一个语言若同时设有同步以及异步, 开发起来就会相对比较痛苦。函数着色属于 里的一个大问题, 当下社区令人悲哀地划分成写同步代码的人以及写async代码的人, 他们没办法共享同一个库。更糟糕的所在是, 部分异步库跟另外一些异步库不兼容, 因而异步 社区愈发分裂。克里斯, 近来撰写了一篇文稿, 当中也涉及到了延迟方面的问题, 以及标准库里的某些注脚。令人遗憾的是, 这是一种会致使异步程序愈发难以妥善处理的问题。他有的想法是, 库这个概念是不正确的。令我担忧的情形是, 要是探讨PEPs规范之中的那些先辈们不清楚呢, 像处于我这般状况的寻常开发者就更没有希望了。英文原文这篇文章是经过高可用架构进行翻译的, 是关于技术原创以及架构实践方面的文章, 要是你有稿件的话, 可以经由公众号菜单里的「联系我们」进行投稿。高可用架构改变互联网的构建方式大多数人都知道 async 具有更高的并发性。这意味着对于常见的任务如动态网站或 Web API, async 性能更好。但遗憾的是async 对于 解释器来说并不是一个加速条。在现实条件下的数据见下图异步网络框架的吞吐量请求量/秒更差响应延迟也大得多。基准结果我测试了各种不同的同步和异步的 Web 服务器配置。第 50 和 99 分位数的响应时间单位是毫秒 吞吐量单位是每秒请求量。该表按 P99 排序我认为这可能是现实世界中最重要的统计指标。一些注意事项表现最好的是同步框架但 Flask 的吞吐量比其他的要低表现差的全都是异步框架异步框架的响应延迟也差很多基于 的循环比内置的 循环做得更好。如果不得不使用 请选择 。这些基准测试有代表性吗我认为如此我尽量让基准运行的场景贴近真实下面是使用的架构。我尽可能地模拟真实世界的部署一个反向代理中间是 代码后面一个数据库。我还使用了数据库连接池这是真实的 Web 应用部署中常见的做法至少对于 来说是这样。测试的应用程序通过随机 key 查询数据库某一行并以 JSON 形式返回。完整的源代码可以参看 为什么工作进程 数设置不一样决定最佳 数量是多少的规则很简单对于每个框架我从 1 个 开始连续增加数量直到性能变差。Async 和 sync 框架的最佳 数量在有所不同原因很简单async 框架由于其 IO 并发性一个 进程就能让一个 CPU 跑满。而同步 就不一样了它们做 IO 时会调用阻塞直到 IO 完成。因此它们需要有更多的 以确保在负载时所有 CPU 核心始终处于满负荷状态。关于这方面的更多信息请参见 文档。一般来说我们建议 (2 x $) 1 作为开始的 数量。虽然这个公式并不太科学但它是基于这样的假设对于一个给定的 core当一个 在处理请求时另外一个 可以从套接字中读写数据。机器规格我在 的 CX31 机器类型上运行了基准测试它是一个4 vCPU / 8 GB 内存的机器运行在 20.04 上。在另一个较小的虚拟机上运行了施压程序。为什么 async 表现更差吞吐量吞吐量(即请求量/秒)最主要的因素不是 async 还是 sync而是有多少 代码被替换成了本地代码。简单的说你能替换的对性能敏感的 代码越多性能就越好。这是 性能战术历史悠久另见numpy。和 UWSGI每个约 5.3k请求量/秒包含了大量的 C 代码。标准 约 3.4k请求量/秒基于纯 。 (~4.9k请求/秒)比 的默认服务器(~4.5k请求量/秒)替换了更多的 代码(尽管 也安装了它的可选 加速)。延时在响应延迟上问题更复杂。在请求负载下async 的表现很糟糕延迟开始飙升比传统的同步部署延迟的程度要大得多。为什么会这样呢在 async 中多线程是合作式co-的简单来说就是线程不被中央治理者比如内核打断而是要主动把执行时间让给别人。在 中执行时间是在三个语言关键词上让渡的await、async for 和 async with。这意味着执行时间并不是 公平 分配的一个线程在工作时可能会无意中饿死另一个线程的 CPU 时间。这就是为什么延迟比较不稳定的原因。相比之下传统的同步 比如 UWSGI使用的是内核调度器的抢占式Pre-的多进程它的工作原理是通过周期性地将进程从执行中交换出来以保证公平性。这意味着时间的分配更加公平延迟差异更低。为什么其他基准显示的结果不同大多数其他基准尤其是那些来自 async 框架作者的基准根本没有为同步框架配置足够的 。这意味着这些同步框架实际上无法合理使用真正可用的大部分 CPU 时间。下面是 项目的一个样本基准我没有测试这个框架因为它是一个不太流行的框架。声称比 Flask 高出 500% 的吞吐量。然而当我审查他们的基准代码时发现他们错误地将 Flask 配置为每个 CPU 使用一个 。当我纠正这个问题时得到了以下结果。使用 比 Flask 的吞吐量优势其实只有 18%。Flask 是我测试过的吞吐量较低的同步框架之一所以我认为一个更好的同步设置会比 快得多尽管这个图看起来令人印象深刻。另一个问题是许多基准都会去掉响应延迟的统计数据而倾向于吞吐量结果例如 的基准甚至没有提到它。然而增加吞吐量其实可以通过简单增加机器来提高但在高负载下的延迟不佳的话并没有直接的解决办法。只有在延迟在可接受的范围内提高吞吐量才真正有意义。进一步的推理、假设和传闻虽然基准测试在设计方面尽量接近现实但它仍然比现实生活中的工作负载要单调得多 —— 所有的请求都会做一个数据库查询都会用这个查询做同样的事情。真实的应用通常会有更丰富的变化会有一些慢的以及快的操作一些请求做了很多 IO另外一些使用了很多 CPU。似乎有理由假设根据我的经验也是如此在真实的应用中延迟变化实际上要高得多。在这种情况下我的预感 async 应用的性能会更有问题。公开的传闻与这个想法一致。Dan 分享了他在 Etsy 管理一个基于 系统的经历。似乎那个系统受到了延迟变大的困扰。的顾问说虽然 在整体吞吐量上很好但冷僻的访问请求可能会出现严重的延迟这对Etsy的系统来说是个问题因为 PHP 前端的使用方式是每个 web 请求都会访问几百或几千次。的作者 Mike Bayer 在几年前写了《异步 和数据库》(1)他在书中从一个稍微不同的角度考虑了异步的问题。他还进行了基准测试发现 的效率较低。by the Bay 写了一篇文章《我们必须谈谈 、、 这件事》(1)文章中描述了基于 配置所产生的操作混乱。我也曾在生产中遇到过 的麻烦虽然与性能无关。我还需要提到的一件事是在设置这些基准的过程中每一个 async 实现都最终以一种令人讨厌的方式挂掉。的父进程在没有终止任何子进程的情况下就退出了这意味着我不得不去寻找那些还在 8001 端口的子进程。有一次 抛出了一个与文件描述符有关的内部严重错误但它并没有退出 (因此任何进程监控脚本都不会重新启动它 —— 这可是大罪)。 也在本地遇到了麻烦但我忘了具体是怎么遇到的。所有这些错误都是短暂的用 很容易解决。但实际我不想在生产环境中负责基于这些库的代码。相比之下我在使用 或 UWSGI 时没有遇到任何问题 —— 除了UWSGI 在应用没有正确加载时不会退出。总结我的建议是出于性能的考虑使用普通的、同步的 即可但尽量使用 代码。对于 来说如果吞吐量是最重要的值得考虑 Flask 以外的框架但即使是 UWSGI 下的 Flask, 也有最好的延迟特性。感谢 Tudor 帮忙检查了文章中的数据。参阅Flask 作者已经写过几篇文章表达了他对 async 的担忧第一篇是《我不理解 的 》(1)对 async 技术做了非常好的解释最近又发了《我感觉不到 async 的压力》(2)里面提到async/await 非常好但它鼓励大家写一些负载变大后出现灾难性结果的东西。《你的函数是什么颜色》这篇文章解释了一个语言如果同时存在同步和异步开发起来比较痛苦的一些原因。函数着色是 中的一个大问题现在社区很悲哀地分成了写同步代码的人和写 async 代码的人 —— 他们不能共享同一个库。更糟糕的是一些异步库还与另外一些异步库不兼容所以异步 社区更加分裂。Chris 最近写了一篇文章其中也提到了延迟问题和 标准库中的一些注脚。不幸的是这是一种让异步程序更难搞好的问题。