一个小众的Python框架!号称比FastAPI快3倍的新框架!

FastAPI与Robyn对决:谁才是Python Web开发的未来? 但真实业务场景的魔鬼藏在细节里——当处理包含数据库连接、JWT验证的复杂API时,FastAPI凭借成熟的异步ORM生态,差距缩小至1.8倍。站在技术演进的长河中回望,FastAPI代表的成熟生态与Robyn象征的突破创新,本质上是两种发展哲学的映射。Robyn的Rust内核却带来了新的挑战:需要gdb与Python trace的交叉调试,这对开发者提出了跨语言能力要求。但此刻的你,需要在风险收益表上写下自己的注解:是拥抱经过验证的成熟,还是押注可能颠覆的未来?资深开发者张明盯着屏幕上的代码,指尖在。 阅读详情

大家好,我是菜哥!

最近在GitHub上刷到一个有意思的项目——Robyn,一个用Rust写底层运行时的Python Web框架。看到官方介绍说性能比FastAPI快3倍,我这个做了20年Python开发的老程序员坐不住了,必须亲自测一测。

01.为什么会有Robyn?


说实话,Python在Web开发领域一直有个老毛病:慢。Django虽然功能全面,但性能一般;Flask轻量级但同步模型撑不住高并发;FastAPI已经算是性能派了,可面对Go、Rust这些原生高性能语言还是有差距。

Robyn的思路很聪明:既然Python慢,那就把最吃性能的HTTP服务器部分用Rust重写,开发者还是写熟悉的Python代码。这就好比给自行车装了个电动马达,骑起来省力多了。

02.实际上手体验


我在本地搭了个测试环境,写了三个最简单的Hello World服务,分别用Flask、FastAPI和Robyn实现。代码几乎一模一样,就是返回一个JSON响应。

安装Robyn很简单:

pip install robyn

写法上跟Flask特别像,基本上看一眼就会:

from robyn import Robyn
app = Robyn(__file__)
@app.get("/")async def hello():    return {"message": "Hello World"}
app.start(port=8000)

注意这里不需要uvicorn或者gunicorn,直接运行就行。这点对部署来说确实方便,少装一个依赖少一份风险。

性能测试数据

我用wrk压测工具跑了10万次请求,结果确实让人眼前一亮:

Flask(使用gunicorn 4 workers)

  • 每秒请求数:约2800次

  • 平均延迟:35ms

FastAPI(使用uvicorn)

  • 每秒请求数:约5200次

  • 平均延迟:19ms

Robyn

  • 每秒请求数:约14500次

  • 平均延迟:6.8ms

这个结果确实吓我一跳。Robyn比FastAPI快了将近3倍,比Flask快了5倍多。当然这是最简单的场景,实际项目中还要考虑数据库查询、业务逻辑等因素,但底层服务器的性能优势是实打实的。

03.一些实际问题


测完性能我也发现了些问题。首先是生态,Robyn现在的第三方库支持还比较有限。FastAPI有丰富的插件系统,各种数据库ORM、认证库都很成熟;Robyn很多东西得自己造轮子,或者想办法兼容现有库。

文档方面也还在完善中,碰到一些边缘场景得翻GitHub的issues找答案,不像Flask那样随便搜就能找到一堆解决方案。

如果你是个人项目或者小团队,尝鲜完全没问题;但如果是大公司的核心业务,用一个还在快速迭代的框架,运维和后期维护的成本需要考虑清楚。

图片

如果果你觉得这篇文章有帮助,别忘了点赞、关注、收藏哟,你的支持是我原创的动力~

对了,如果你也对AI编程或者智能体感兴趣,我这边整理了一份开源的AI编程和智能体学习手册,爆肝10万字,价值699元。

关注下方👇🏻公众号,回复【智能体】获取学习手册

我是谁:

我是 菜哥,公众号菜鸟学Python主理人,全网 35 万粉丝的博主,2017年开始做公众号,从0做起做到31万粉丝,累计写了700多篇Python原创,副业变现百万。目前是Python领域的头部大号,AI时代来临,目前聚焦AI编程,coze,dify,n8n智能体开发,AI应用开发。

另外我们建了一个永久免费的AI编程相关资讯分享的星球,目前有2700人,如果你对这个赛道有星球,欢迎加入一起学习!

Python后端框架新星Robyn:性能与开发体验的双重革命 Robyn的出现打破了Python难以胜任高性能后端的固有认知。其独特的架构设计证明,通过多语言协同开发,完全可以在不牺牲开发效率的前提下获得系统级性能提升。随着Rust与Python生态的进一步融合,Robyn有望成为云原生时代最重要的Python框架之一。对于追求极致性能的开发者而言,现在正是切入学习的最佳时机。“Robyn不仅是框架,更是现代Web开发哲学的具现——在保持Pythonic优雅的同时,向系统底层要性能” 阅读详情

相关推荐

Python GUI框架深度对比:Tkinter、PyQt与wxPython的选择指南

图形用户界面(GUI)是连接代码与用户的关键桥梁,其核心原理在于将程序功能通过可视化控件与交互事件呈现。在Python生态中,GUI框架的选择直接影响开发效率与软件质量。Tkinter作为标准库,以零部署成本和快速原型开发见长,适合轻量级工具;PyQt/PySide则提供工业级功能与现代化界面,支持信号槽机制和丰富控件库,适合复杂应用;wxPython追求原生外观与轻量平衡,调用系统原生API实现最佳平台融合。理解事件驱动、MVC架构等基础概念,能帮助开发者根据项目需求、团队协作和长期维护成本,在快速开发、

weixin_30693683的博客 419

可以与 FastAPI 不分伯仲的 Python 著名的 Web 框架

时至今日,很难说能有哪个框架会取代古老而优秀的 Django、Flask 和 Bottle。但是技术在不断发展和进步,尤其是 Python 的网络框架层出不穷,有着大量的优秀 Web 框架。通过不断学习,选择在实际业务中使用更准确、更高效的网络应用程序开发框架,并提供新的改进功能。本文分享这么多框架,也可以看到其中很多框架有着几乎类似的语法,如果对其中一种框架很熟悉,那么也会很容易使用其他框架。

程序员小麦的博客 4220

GLM-5为何成开源Agentic工程首选?三大技术突破深度解析

Agentic工程指智能体在真实软件开发场景中自主规划、调用工具、处理异常并交付可运行产物的能力,其核心依赖长程目标对齐、高精度工程语义理解与超长上下文可靠推理。GLM-5通过异步强化学习框架Slime实现目标状态机驱动的多步任务收敛,依托工程语料精炼的744B MoE基座提升系统级编程思维建模能力,并采用DeepSeek Sparse Attention技术使200K上下文真正支持整份API文档级交互。这些突破使其在SWE-bench、Terminal Bench等真实编码评测中显著领先Qwen2.5、D

congtaixiao7151的博客 433

Robyn与FastAPI全面对比:选择最适合你的Python Web框架

在当今的软件开发领域,选择合适的Web框架对于项目的成功至关重要。Python作为一种广泛使用的编程语言,其生态系统中涌现出了众多优秀的Web框架,如FastAPI和Robyn。FastAPI自发布以来,因其高性能、易用性和自动生成API文档的特性,迅速成为开发者的首选。而Robyn,作为一个结合了Python和Rust优势的新兴框架,以其异步处理能力和简洁的API设计,也吸引了大量关注。

全世界的博客 6873

LLM工程落地的5篇关键论文实战解码

大语言模型(LLM)技术正从学术指标竞争转向工业级可靠性与效率攻坚。理解注意力优化、长上下文事实一致性、多模态语义对齐、稀疏专家路由和后处理事实纠错等核心概念,需深入其硬件适配原理、动态时序建模机制与业务指标映射逻辑。这些技术突破的价值不在于SOTA刷新,而在于解决推理延迟、显存瓶颈、幻觉失控等真实工程痛点,并支撑客服工单分析、医疗报告生成、电商图文搜索等典型场景的可信部署。本文聚焦2024年2月底精选的5篇高开源完整性、强场景映射度的LLM研究,覆盖FlashAttention-3、LongFact、Mu

430

AI智能体桌面自动化实战:基于OpenCLI构建高效工作流

桌面自动化技术旨在通过程序模拟人工操作,实现软件与网页的自动交互,其核心价值在于提升重复性任务的执行效率与准确性。传统自动化工具依赖预设规则,缺乏应对动态变化的灵活性。AI智能体(AI Agent)的引入,通过自然语言理解与任务规划能力,为目标导向的自动化提供了新的思路。然而,智能体常面临无法直接操作本地应用的“最后一公里”执行难题。OpenCLI技术通过将各类应用操作封装为标准化命令行接口,为AI智能体提供了可靠的“工具手”,实现了思考与执行的解耦。这种结合尤其适用于需要高频处理多平台信息的场景,例如内容

weixin_33690963的博客 421

都 2022 年了,Python Web 框架你不会只知道 Django 和 Flask 吧?

本文的诞生非常偶然,这两天一个小小小学弟问橡皮擦一个陈年旧问题,Python 基础学完了,想学习一个 Python Web 框架,是先学习 Django 呢,还是学习 Flask,现在的公司都用啥?每次这个问题出现的时候,我都会给拉一个清单,这次咱们直接把它转换成文章吧。标题就叫做《2022 年,你该学习的 Python Web 框架》以下涉及的所有框架,都不提供官网和任何学习资料,作为一个合格的程序员,这些要自己能找到。

qqqQQQ1117的博客 681

DeepSeek Code Harness:本地AI编程环境的架构解析与实战指南

本地大模型编程工具正从‘云端辅助’转向‘终端原生’,其核心在于将推理引擎、模型调度与安全沙箱深度集成于桌面端。DeepSeek Code Harness以Tauri+Rust+WASM构建轻量高可靠前端,依托ccswitch协议实现多模型上下文无缝切换,并通过CAL抽象层统一语义理解,突破传统插件式AI工具的延迟与隔离瓶颈。它不仅支持离线代码补全、错误诊断与测试生成,更以trae任务引擎和滑动KV Cache设计,在GPU显存约束下保障50轮高质量对话。面向开发者,该工具重新定义了IDE旁的智能边界——不替

weixin_34110749的博客 505

Python Web 框架你不会只知道 Django 和 Flask 吧?

Python Web 框架非常多,很多并未出现在上文,一个 Python Web 工程师仅需要学习前 6 款即可,剩下的可以工作中进行学习。

m0_72829928的博客 266

Robyn 是一个异步 Python 后端服务器,带有用 Rust 编写的运行时,顺便说一句。

罗宾Robyn 是一个异步 Python 后端服务器,带有用 Rust 编写的运行时,顺便说一句。在 Rust 异步运行时之上运行的 Python 服务器。安装您可以简单地使用 Pip 进行安装。pip install robyn用法fromrobynimportRobynapp=Robyn ()@app .get ("/" )asyncdefh ():return"Hello, world!"app .start ()贡献者指南随意打开一个问题以获得任何澄清或任何建议。如果你觉得好奇。您可以在此处查看更详细的架构。在本地运行在 test.py 文件中添加更多路由(如果你愿意)。目前只支持get请求运行maturin develop运行python3 test.py衡量性能:./server_test.sh 贡献者/支持者特别感谢PyO3社区和来自 PyO3-asyncio 的 Andrew,感谢他们出色的库以及对我查询的支持。:sparkling_heart:

国民技术N32G45X SysTick定时器实战:从1us到100ms的精准延迟实现(附完整代码)

本文详细解析了国民技术N32G45X芯片中SysTick定时器的工作原理,并提供了从1微秒到100毫秒的高精度延迟实现方案。通过对比官方库函数的局限性,文章重点介绍了无中断查询模式、时钟源选择策略以及完整的代码实现,帮助嵌入式开发者精准控制时序,适用于LED控制、软件模拟通信协议等多种实战场景。

weixin_29190573的博客 378

Python设计哲学八切口:从蒙提·派森到工业级实践

Python不仅是一门编程语言,更是一种以可读性为内核、以工程实效为导向的设计范式。其核心原理植根于CPython字节码执行机制、命名空间隔离、显式优于隐式等底层约定,技术价值体现在开发效率跃升、跨领域胶水能力与教育友好性三重优势。广泛应用于Web后端、数据科学、AI模型服务及中小学编程教学等场景。本文结合import this禅宗准则与CPython运行时机制,解析Python如何通过克制的设计取舍,实现从个人脚本工具到数字基础设施的演进。

weixin_34408717的博客 610

即插即用!5分钟为你的SNN模型添加频谱注意力(DCT-SA模块实战)

本文介绍了如何为脉冲神经网络(SNN)快速集成即插即用的DCT-SA频谱注意力模块。该模块利用离散余弦变换(DCT)在频率域自适应加权特征,能有效提升模型对纹理、边缘的感知能力,并在CIFAR10-DVS等数据集上实现分类精度提升与脉冲发放率下降。文章以SpikingJelly框架和ResNet19为例,提供了详细的代码实现、集成步骤及参数调优实战指南。

kotlin6android的博客 609

单卡实测MiniMax M3:代码生成能力与部署调优全解析

大语言模型(LLM)通过海量数据训练,掌握了强大的代码生成与理解能力,其核心原理是基于Transformer架构的注意力机制。在工程实践中,模型的量化技术(如4-bit/8-bit量化)能有效降低显存占用,使模型在消费级显卡上部署成为可能,这对于降低硬件成本、促进技术普惠具有重要价值。本文聚焦于MiniMax M3模型,通过实测探讨其在单卡环境下的部署流程、代码生成效果及性能优化策略,为个人开发者与小团队提供了可行的实践参考。

weixin_30785593的博客 402

U8采购入库单CO接口开发实战:加载、新增与删除操作详解

本文详细解析了用友U8采购入库单CO接口的开发实战,重点介绍了加载、新增与删除三大核心操作的实现方法。通过C#代码示例和实际项目经验,帮助开发者高效处理采购入库单,提升企业供应链管理效率。文章还涵盖了环境配置、异常处理、性能优化等关键技巧,适合U8二次开发人员参考。

weixin_33462927的博客 377

告别F5失灵!手把手教你为Cursor配置.Net Core控制台项目专属调试环境

本文详细指导如何在Cursor编辑器中为.Net Core控制台项目配置专属调试环境,解决F5失灵等常见问题。从调试器选择到launch.json配置,再到高级调试技巧,帮助开发者高效搭建完整的调试工具链,提升开发效率。

weixin_28834765的博客 288

数据科学自学者生存指南:避开资源过载,构建可闭环学习路径

数据科学入门常被误认为是数学或编程能力的比拼,实则首要挑战在于信息过载与学习路径断裂。从‘概念理解’出发,需掌握统计建模、Python数据分析等基础原理;其技术价值在于将抽象算法转化为可执行、可验证的分析动作;典型应用场景包括业务指标归因、用户行为建模、结构化数据预测等真实工作流。本文聚焦‘可闭环学习资源’与‘任务驱动型路径’两大核心,结合Kaggle Learn沙盒环境、StatQuest视觉化讲解、Real Python生产级代码实践等高落地性工具,帮助零基础者在90分钟内跑通首个项目,并持续进阶至端到

weixin_38168786的博客 438

10xGenomics官方可视化工具——Loupe Browser

Loupe Browser是⼀款10xGenomics开发的交互式桌⾯应⽤程序,⽤于探索10x单细胞数据,可以用来找出感兴趣的细胞、找出显著差异表达的基因、鉴定细胞类型、探索细胞亚类和数据共享。

weixin_47195452的博客 3365

从Hugging Face到魔搭:大模型部署全链路实战指南

模型部署是机器学习工程化的关键环节,它涉及将训练好的模型转化为可稳定、高效服务的应用。其核心原理在于通过模型格式转换、推理引擎优化和硬件资源适配,实现从开发环境到生产环境的无缝迁移。这一过程的技术价值在于平衡推理速度、资源消耗与成本,确保模型在实际业务中发挥最大效用。常见的应用场景包括实时推荐系统、智能客服和内容生成等。本文聚焦于大模型部署,深入解析了Hugging Face与魔搭两大主流平台在模型下载、API调用及本地推理方面的实战操作,并探讨了量化技术和vLLM等推理引擎在提升性能与降低成本中的关键作用

weixin_34198881的博客 591

告别C盘爆红!手把手教你将WSL2下的Ubuntu 22.04完整迁移到D盘(附清理指南)

本文详细指导如何将WSL2下的Ubuntu 22.04从C盘无损迁移到D盘,包括导出备份、注销原系统、导入新位置等关键步骤,并提供迁移后的优化配置、开发环境衔接及长期维护技巧,帮助用户彻底解决C盘空间不足问题。

weixin_28698059的博客 475

AUTOSAR进阶图解==>AUTOSAR_SWS_ECUStateManager

AUTOSAR ECU State Manager 摘要 AUTOSAR ECU状态管理器(EcuM)是Classic Platform 4.4.0规范中的核心模块,负责管理ECU的整个生命周期,包括启动、运行、关机和睡眠等状态转换。EcuM通过协调各基础软件模块的初始化过程,确保系统可靠运行。 主要功能包括: 启动管理 - 控制从硬件初始化到应用运行的完整启动序列 状态转换 - 管理RUN/POST_RUN/SHUTDOWN等状态切换 唤醒验证 - 区分真实与虚假唤醒事件 关机序列 - 确保安全关机保存关

一名留德华的,康德的信徒的,专注于汽车电子领域的博客 2477

Seed Coder:代码大模型的自主数据策展范式

代码大模型的性能瓶颈正从算力转向数据质量——当人工清洗、规则过滤和静态标注难以应对多语言、高动态的工程代码时,‘数据策展’(data curation)成为新一代训练范式的核心概念。其原理在于用轻量判别模型替代正则与人工规则,通过信号特征建模实现语法正确性与语义合理性的联合评估;技术价值体现在降低标注成本、提升跨语言一致性、支持边缘侧实时反馈;典型应用场景包括IDE内嵌质量扫描、CI/CD深度推理审计、小众语言社区数据自生长等。Seed Coder正是这一范式的代表性实践,将‘模型自主筛选数据’从理念落地为

diyudong4681的博客 498

国科大学习资料--人工智能原理与算法-2021年期末考试题解析(学长整理)

国科大学习资料–人工智能原理与算法-2021年期末考试题解析(学长整理) 国科大学习资料–人工智能原理与算法-2021年期末考试题解析(学长整理) 国科大学习资料–人工智能原理与算法-2021年期末考试题解析(学长整理) 根据学弟的反馈,该年的期末题只有5道,且均是作业题(所以大家一定要积极完成作业,考前多做几遍!!!!) 下面解析: 3.25 由于该题,我没有做过,所以只能给你英文版的答案。答案如下,其他的题目答案都是中文版。 5.9 8.10 12.20 15.13 ...

无名何许人的博客 3983

GLM-5.1深度实测:代码、逻辑、长文本与创意写作全方位对决Claude Opus 4.6

大语言模型(LLM)通过海量数据训练,掌握了理解、生成和推理文本的能力,其核心原理在于Transformer架构对上下文信息的强大建模。这一技术价值在于能作为通用人工智能助手,大幅提升知识工作者的效率。在工程实践中,模型被广泛应用于代码生成、逻辑推理、长文档处理与内容创作等场景。本次实测聚焦于前沿模型GLM-5.1,通过系统性的测试框架,在**代码生成与调试**、**长上下文理解**等关键维度,将其与标杆模型Claude Opus 4.6进行深度对比。测试发现,GLM-5.1在代码能力上表现突出,生成代码完

weixin_34095889的博客 462

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Claude代码命令实战指南:10个提升AI编程效率的核心技巧

在AI辅助编程领域,提示工程(Prompt Engineering)是提升开发者与大型语言模型协作效率的关键技术。其核心原理在于通过结构化、标准化的指令格式,精准控制AI模型的输出,减少模糊性并提高代码生成质量。这项技术的核心价值在于将传统的自然语言对话转变为可预测、可重复的工程化工作流,显著降低沟通成本。在实际应用场景中,开发者常面临技术栈不匹配、输出格式混乱、调试效率低下等问题。本文聚焦于Claude这一主流AI编程助手,深入解析其社区实践中总结出的10个高效命令,涵盖环境预设、格式控制、调试诊断等关键

weixin_34396103的博客 392

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: Python 制作微信自动回复机器人,打游戏时自动回复女朋友消息
下一篇: 零成本打造量化交易系统:这3个Python库让你少走1年弯路!
菜鸟学Python
博客等级 码龄9年 8086粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值