python之gunicorn配置

• 起因：因為cpu利用率低導致我去縮容，雖然縮容之后cpu利用率上升維持在60%左右，但是程序響應耗時增加了。
• 解釋：因為cpu干這件活本身不累，但在干這件活的時候不能去干其他事情，導致并發(fā)的請求不能及時響應，導致耗時增加。比如，sleep1s，此時cpu利用率為0，但是cpu卻做不了其他的處理。其他任務就被阻塞。
• 解法：增加cpu的線程數(shù)。

但我任務的配置其實是協(xié)程，而不是多線程。

gunicorn當worker_class = 'gevent’時，如何增加程序的并發(fā)能力？

在 Gunicorn 中使用 worker_class = 'gevent'（基于協(xié)程的異步 Worker）時，提升并發(fā)能力的關鍵在于 合理配置協(xié)程并發(fā)數(shù) 和 優(yōu)化資源分配。

以下是具體方法和步驟：

一、gevent 的并發(fā)原理

gevent 通過 協(xié)程（Coroutine） 和 事件循環(huán)（Event Loop） 實現(xiàn)高并發(fā)，每個請求由協(xié)程處理而非線程或進程。

協(xié)程的切換成本極低，因此適用于 I/O 密集型 場景（如 HTTP API、數(shù)據(jù)庫查詢、外部服務調(diào)用等）。

二、提升并發(fā)能力的核心參數(shù)

1. Worker 進程數(shù) (--workers/workers)

• 作用：指定啟動的 Worker 進程數(shù)量。每個 Worker 是一個獨立進程，內(nèi)部通過協(xié)程處理并發(fā)。
• 建議值：通常設置為 CPU 核心數(shù) × 2 + 1。例如 4 核 CPU 可設 workers = 9。
• 示例：

gunicorn --workers=9 --worker-class=gevent app:app

2. 每個 Worker 的并發(fā)連接數(shù) (--worker-connections/worker_connections)

• 作用：單個 Worker 進程能處理的最大并發(fā)連接數(shù)。此參數(shù)直接影響協(xié)程池大小。
• 建議值：默認 1000，可調(diào)整為 1000~5000（需根據(jù)內(nèi)存和負載測試調(diào)整）。
• 示例：

gunicorn --workers=9 --worker-class=gevent --worker-connections=2000 app:app

3. 超時時間 (--timeout/timeout)

• 作用：防止單個請求長時間阻塞協(xié)程。
• 建議值：根據(jù)接口響應時間設定（如 --timeout=30 表示 30 秒超時）。

三、完整配置示例

1. 通過命令行啟動

gunicorn \
  --workers=9 \                # Worker 進程數(shù) = CPU核心數(shù) × 2 + 1
  --worker-class=gevent \      # 使用 gevent Worker
  --worker-connections=2000 \  # 每個 Worker 的協(xié)程并發(fā)數(shù)
  --timeout=30 \               # 請求超時時間
  --bind=0.0.0.0:8000 \        # 綁定端口
  app:app                      # 應用入口

2. 通過配置文件 (gunicorn.conf.py)

# gunicorn.conf.py
workers = 9
worker_class = "gevent"
worker_connections = 2000
timeout = 30
bind = "0.0.0.0:8000"

啟動命令：

gunicorn -c gunicorn.conf.py app:app

四、關鍵優(yōu)化點

1. 內(nèi)存限制

• 每個 Worker 的協(xié)程數(shù) (worker_connections) 受內(nèi)存限制。協(xié)程越多，內(nèi)存占用越高。
• 監(jiān)控內(nèi)存：使用 top 或 htop 觀察進程內(nèi)存，避免觸發(fā) OOM（內(nèi)存不足）。

2. I/O 密集型 vs CPU 密集型

• I/O 密集型（如 HTTP API、數(shù)據(jù)庫查詢）：優(yōu)先增加 worker_connections。
• CPU 密集型（如圖像處理、復雜計算）：協(xié)程無法提升性能，需改用多進程（如 gthread Worker）。

3. 數(shù)據(jù)庫連接池

• 協(xié)程并發(fā)高時，需確保數(shù)據(jù)庫連接池足夠大（如 SQLAlchemy 的 pool_size）。

4. 依賴庫兼容性

• 確保所有代碼和第三方庫兼容 gevent（可能需要 monkey.patch_all()）。

5. 啟動前添加補丁：

# app.py 入口文件頂部
from gevent import monkey
monkey.patch_all()

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論