高并发异步uwsgi+web.py+gevent

最新推荐文章于 2023-10-10 09:53:34 发布

linuxheik

最新推荐文章于 2023-10-10 09:53:34 发布

阅读量5.1k

点赞数

分类专栏： python

python 专栏收录该内容

47 篇文章

订阅专栏

本文探讨了使用web.py框架的原因及其与Flask、Bottle的性能对比，介绍了WSGI协议的基本概念，并深入分析了uWSGI的工作原理与gevent在处理高并发请求时的优势及注意事项。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

高并发异步uwsgi+web.py+gevent

为什么用web.py？

python的web框架有很多，比如webpy、flask、bottle等，但是为什么我们选了webpy呢？想了好久，未果，硬要给解释，我想可能原因有两个：第一个是兄弟项目组用webpy，被我们组拿来主义，直接用了；第二个是我可能当时不知道有其他框架，因为刚工作，知识面有限。但是不管怎么样，webpy还是好用的，所有API的URL和class在一个文件中进行映射，可以很方便地查找某个class是为了哪个API服务的。（webpy的其中一个作者是Aaron Swartz，这是个牛掰的小伙，英年早逝）

这里对webpy、flask、bottle性能进行了测试，测试结果详见：webpy/flask/bottle性能测试

wsgi，这是python开发中经常遇到词（以前只管用了，趁写博客之际，好好学习下细节）。

wsgi协议

WSGI的官方文档参考http://www.python.org/dev/peps/pep-3333/。WSGI是the Python Web Server Interface，它的作用是在协议之间进行转换。WSGI是一个桥梁，一边是web服务器（web server），一边是用户的应用（wsgi app）。但是这个桥梁功能非常简单，有时候还需要别的桥（wsgi middleware）进行帮忙处理，下图说明了wsgi这个桥梁的关系。

一个简单的WSGI应用：

          def 
           simple_app(environ, start_response):
         
          """Simplest possible application object"""
         
          status 
          = 
          '200 OK'
         
          response_headers 
          = 
          [(
          'Content-type'
          , 
          'text/plain'
          )]
         
          start_response(status, response_headers)
         
          return 
          [HELLO_WORLD]

这个是最简单的WSGI应用，那么两个参数environ，start_response是什么？

evniron是一系列环境变量，参考https://www.python.org/dev/peps/pep-3333/#id24，用于表示HTTP请求信息。（为了让理解更具体一点，下表给出一个例子，这是uWSGI传递给wsgi app的值）

          {
         
          'wsgi.multiprocess'
          : True,
         
          'SCRIPT_NAME'
          : 
          ''
          ,
         
          'REQUEST_METHOD'
          : 
          'GET'
          ,
         
          'UWSGI_ROUTER'
          : 
          'http'
          ,
         
          'SERVER_PROTOCOL'
          : 
          'HTTP/1.1'
          ,
         
          'QUERY_STRING'
          : 
          ''
          ,
         
          'x-wsgiorg.fdevent.readable'
          : <built-infunctionuwsgi_eventfd_read>,
         
          'HTTP_USER_AGENT'
          : 
          'curl/7.19.7(x86_64-unknown-linux-gnu)libcurl/7.19.7NSS/3.12.7.0zlib/1.2.3libidn/1.18libssh2/1.2.2'
          ,
         
          'SERVER_NAME'
          : 
          'localhost.localdomain'
          ,
         
          'REMOTE_ADDR'
          : 
          '127.0.0.1'
          ,
         
          'wsgi.url_scheme'
          : 
          'http'
          ,
         
          'SERVER_PORT'
          : 
          '7012'
          ,
         
          'uwsgi.node'
          : 
          'localhost.localdomain'
          ,
         
          'uwsgi.core'
          : 1023,
         
          'x-wsgiorg.fdevent.timeout'
          : None,
         
          'wsgi.input'
          : <uwsgi._Inputobjectat0x7f287dc81e88>,
         
          'HTTP_HOST'
          : 
          '127.0.0.1: 7012'
          ,
         
          'wsgi.multithread'
          : False,
         
          'REQUEST_URI'
          : 
          '/index.html'
          ,
         
          'HTTP_ACCEPT'
          : 
          '*/*'
          ,
         
          'wsgi.version'
          : (1, 0),
         
          'x-wsgiorg.fdevent.writable'
          : <built-infunctionuwsgi_eventfd_write>,
         
          'wsgi.run_once'
          : False,
         
          'wsgi.errors'
          : <openfile
          'wsgi_errors'
          ,   mode
          'w'
          at0x2fd46f0>,
         
          'REMOTE_PORT'
          : 
          '56294'
          ,
         
          'uwsgi.version'
          : 
          '1.9.10'
          ,
         
          'wsgi.file_wrapper'
          : <built-infunctionuwsgi_sendfile>,
         
          'PATH_INFO'
          : 
          '/index.html'
         
          }

start_response是个函数对象，参考https://www.python.org/dev/peps/pep-3333/#id26，其定义为为start_response(status, response_headers, exc_info=None)，其作用是设置HTTP status码（如200 OK）和返回结果头部。

WSGI服务器

wsgi服务器就是为了构建一个让WSGI app运行的环境。运行时需要传入正确的参数，以及正确地返回结果，最终把结果返回客户端。工作流程大致是，获取客户端的request信息，封装到environ参数，然后把执行结果返回给客户端。

对于webpy而言，其内置了一个CherryPy服务器。CheckPy在运行时，采用多线程模式，主线程负责accept客户端请求，将请求放入一个request Queue里面，然后有N个子线程负责从Queue中取出request，然后处理后将结果返回给客户端。不过看起来，这个内置的服务器看起来是为了开发调试用，因为webpy并未开放这个默认容器的参数调节，例如线程数目，所以为了寻求高效地托管WSGI app，不建议用这个默认的容器。这可能也是使用uWSGI的原因，因为我们的线上系统有几个API的访问量很大，目前大概是250万次/天。（当然对于业务量不是很大的服务，可能这个默认的CheckPy也就够了）

uWSGI

我们知道，Python有把大锁GIL，会将多个线程退化为串行执行，所以一个多线程python进程，并不能充分使用多核CPU资源，所以对于Python进程，可能采用多进程部署方式比较有利于充分利用多核的CPU资源。

uWSGI就是这么一个项目，可以以多进程方式执行WSGI app，其工作模式为 1 master进程 + N worker进程（N*m线程），主进程负责accept客户端request，然后将请求转发给worker进程，因此最终是worker进程负责处理客户端request，这样很方便的将WSGI app以多进程方式进行部署。以下给出uwsgi响应客户端请求的执行流程图：

值得注意的是，在master进程接收到客户端请求时，以round-bin方式分发给worker进程，所以多个process在处理前端请求时，所承受的负载相对还是均衡的。（这是我测试时的经验，改天再扒一下uwsgi的源代码确认一下 TODO）。关于uWSGI的使用，可能并不是这里的重点，不再赘述。

（其实看到uWSGI的多进程模型，我想到了Nginx，它也是多进程模型，这个也很有意思，由此了解了thunder herd问题，扯远了，继续往下说）

考虑一个应用场景：client向serverM（uwsgi）发起一个HTTP请求，serverM在处理这次请求时，需要访问另一个服务器serverN，直到serverN返回数据，serverM才会返回结果给client，即wsgi app是同步的。假如serverM访问serverN花费时间比较久，那么若是client请求数量比较多的情况下，（N*m）线程都会被占用，可想而知，大容量下的并发处理能力就受（N*m）的限制。

如果碰上了这种情况，怎么解决呢？

（1）增大N，即worker的数量：在增加进程的数量的时候，进程是要消耗内存的，并且如果进程数量太多的情况下（并且进程均处于活跃状态），进程间的切换会消耗系统资源的，所以N并不是越大越好。一般情况下，可能将进程数目设置为CPU数量的2倍。

（2）增大m，即worker的线程数量：在创建线程的时候，最大能够多大呢？由于线程栈是要消耗内存的，因此线程的数量跟系统设置（virtual memory）和（stack size）有关。线程数量太大会不会不太好？（这个肯定不好，我答不上来 TODO）

由此在大并发需求的情况下，我了解到了C10K问题，并进一步学习到I/O的多路复用的epoll，可以避免阻塞调用在某个socket上。比如libevent就是封装了多个平台的高效地I/O多路复用方法，在linux上用的就是epoll。但是这里我们不讨论epoll或者libevent的使用，我们这里引入gevent模块。

gevent协程

gevent在使用时，跟thread的接口很像，但是thread是由操作系统负责调度，而gevent是用户态的“线程”，也叫协程。gevent的好处就是无需等待I/O，当发生I/O调用是，gevent会主动切换到另一gevent进行运行，这样在等待socket数据返回时，可以充分利用CPU资源。

在使用gevent内部实现：

1. gevent 协程切换使用greenlet项目，greenlet其实就是一个函数，及保存函数的上下文（也就是栈），greenlet的切换由应用程序自己控制，所以非常适合对于I/O型的应用程序，发生I/O时就切换，这样能够充分利用CPU资源。

2. gevent在监控socket事件时，使用了libevent，就是高级的epoll。

3. python中有个猴子补丁（monkey patch）的说法，在python进程中，python的函数都是对象，存在于进程的全局字典中，因此，开发者可以通过替换这些对象，来改变标准库函数的实现，这样还不用修改已有的应用程序。在gevent里，也有这样的monkey patch，通过gevent.monkey.patch_all()替换掉了标准库中阻塞的模块，这样不用修改应用程序就能充分享受gevent的优势了。（真是方便啊）

使用gevent需注意的问题

1. 无意识地引入阻塞模块

我们知道gevent通过monkey patch替换掉了标准库中阻塞的模块，但是有的时候可能我们会“无意识”地引入阻塞模块，例如MySQL-Python，pylibmc。这两个模块是通过C扩展程序实现的，都需要进行socket通信，由于调用的底层C的socket接口，所以超出了gevent的管控范围，这样就在使用这两个模块跟mysql或者memcached进行通信时，就退化为了阻塞调用。

这样一个应用场景：在一个gevent进程中，基于MySQL-Python模块，创建一个跟mysql有10个连接的连接池，当并发量大的情况下，我们期望这10个连接可以同时处理对mysql的10个请求。实际如我们期望的这样么？的确跟期望不一样，因为在conn.query()的时候，阻塞了进程，这样意味着同一时刻不可能同时有2个对mysql的访问，所以并发不起来了。如mysql响应很慢的话，那么整个process跟hang住了没什么两样（这个时候，便不如多线程的部署模式了，因为多个线程的话，一个线程hang住，另一个线程还是有机会执行的）。

如何解决：在这些需要考虑并发的效率的场景，尽量避免引入阻塞模块，可以考虑纯python实现的模块，例如MySQL-Python->pymysql, pylibmc->memcached(这个python实现的memcached client可能不太完备，例如一致性hash目前都没实现)。

2. gevent在遇到I/O访问时，会进行greenlet切换。若是某个greenlet需要占用大量计算，那么若是计算任务过多（激进一点，陷入死循环），可能会导致其他greenlet没有机会执行。若是一个gevent进程需要执行多个任务时，若某个任务计算过多，可能会影响其他任务的执行。例如我曾遇到一个进程中，采用生产者任务（统计数据，将结果放入内存）+消费者任务（将计算结果写入磁盘），然而当数据很大的时候，生产者任务占用大量的CPU资源，然而消费者任务不能及时将统计结果写入磁盘，即生产太快，消费太慢，这样内存占用越来越多，一度高达2G内存。所以鉴于此，需要根据任务的特点（I/O密集或者CPU密集），合理分配进程任务。