FastAPI 经常号称是非常快的框架,因为它大量使用 async。对于一些 IO 密集型的任务,是有一些坑要处理的,不然整个 async 就被堵住了。这个处理还是比较简单的,按官网文档的说法,
如果你的应用程序不需要与其他任何东西通信而等待其响应,请使用
async def
如果你不清楚,使用def
就好
那如果是 CPU 密集型的任务呢?这是工作中同事遇到的问题。
用def
的办法就不行了——会把线程池堵住。
下面 4 种写法,有 2 种都可以解决这个问题,都是进程池的方案。
from concurrent.futures import ProcessPoolExecutor import asyncio import time from fastapi import FastAPI import uvicorn app = FastAPI() def fib(n: int) -> int: if n == 1 or n == 2: return 1 return fib(n-1) + fib(n-2) def some_cpu_work() -> int: return fib(36) # 大概1s # 通用配置:20个并发,同时请求 @app.get("/test1") async def test1(): """ async定义+直接计算 排队 27s CPU占用1核心 """ data = some_cpu_work() print(data) return data @app.get("/test2") def test2(): """ 普通定义+直接计算 自带线程池 依然27s CPU占用1核心 """ data = some_cpu_work() print(data) return data #################################### 开一个进程池 process_pool_executor = ProcessPoolExecutor(max_workers=4) @app.get("/test3") def test3(): """ 普通定义+进程池 8s CPU占用4核心 """ task = process_pool_executor.submit(some_cpu_work) data = task.result() print(data) return data @app.get("/test4") async def test4(): """ async定义+交给进程池 8s CPU占用4核心 """ data = await asyncio.get_running_loop().run_in_executor(process_pool_executor, some_cpu_work) print(data) return data if __name__ == "__main__": uvicorn.run(app, host="127.0.0.1", port=8000)
具体来说,20 个请求同时请求,这 20 个请求在 4 种写法的结果如下:(其中第2种堵住了自带线程池的结果最出乎意料)
![](https://www.7forz.com/wp-content/uploads/2024/06/test1-800x309.jpg)
![](https://www.7forz.com/wp-content/uploads/2024/06/test2-800x284.jpg)
![](https://www.7forz.com/wp-content/uploads/2024/06/test3-800x297.jpg)
![](https://www.7forz.com/wp-content/uploads/2024/06/test4-800x284.jpg)
发表评论