升级 Flask 到 Quart 获得 3 倍性能提升

简评：将你的 Flask 应用程序升级到 Quart 应用程序，轻松获得 3 倍的性能提升，本文将用一个简单的 demo 来告诉大家如何去做。

自从 Flask 在 8 年前发布以来，Python 发生了很大变化，特别是引入了 asyncio。asyncio 允许开发像 uvloop 和 asyncpg 这样的库来提高性能，可惜要 Flask 集成 asyncio 或这些库不是一件简单的事情。 然而，Flask-API 可以通过 Quart 框架与 asyncio 一起使用。

Quart 提供了一个简单的过渡机制使得 Flask 应用程序可以使用 asyncio，因为它们共享 Flask-API，这意味着现有的 Flask 应用程序可以在 Quartz 应用程序中进行很少的改进，然后就可以使用这些新的库来产生使用 Flask 无法实现的性能改进。

本文详细介绍了典型的生产环境的 CRUD 应用程序从 Flask 到 Quart 的转换，并展示了典型生产部署的性能改进。

tl;dr

将这个 Flask-pyscopg2 应用程序升级到 Quart-asyncpg 应用程序可以提高 3 倍的性能，而不需要对代码进行重大的重写或调整。

应用程序

对于这个比较，我将使用一个简单的只提供一个 RESTful 接口的应用程序，这是微服务架构中的常见用例，并提供了一个非常简单的代码库进行比较。

该应用程序有由三个路由组成的两个蓝图。这些路由有

• 单个资源： GET /films/<int:id>/
• 所有资源： GET /films/
• 新资源： POST /reviews/

源代码可以在 https:// github.com/pgjones/fast er_than_flask_article 找到，有两个 commit ，一个 Flask 版本和一个 Quart 版本。

从 Flask 到 Quart

从 Flask 改用 Quart 很容易，只需要一点的改变，特别是 from flask 改为 from quart，函数变成异步函数。完整的 diff 是，

  def add_review():      data = request.get_json()      ...

变成

  async def add_review():      data = await request.get_json()      ...

从 psycopg2 到 asyncpg

从 psycopg2 改用 asyncpg 比较麻烦，因为两者有不同的用法。为了简化 diff，在 Flask 应用程序中使用了 PoolWrapper，来使用与 asyncpg 相同的 API 为上下文管理的 psycopg2 连接，即 with pool.acquire() as connection: ，这使得 asyncpg 可以把 with 改为 async with。

除了连接之外，asyncpg 和 psycopg2 在 cursor 使用、事务、执行参数和查询格式上也有所不同。这些大多是不同的约定，完整的 diff 。

部署

将 Flask 应用程序直接暴露给生产环境不太可能扩展，并不代表典型的生产环境。这是因为Flask 本身一次只能处理一个请求。相反，WSGI 服务器通常与某种异步 worker 结合使用，例如 带 eventlet 的Gunicorn。

Quart 也可以用 Gunicorn 部署，它允许使用相同的命令来运行 Flask 和 Quart 应用程序：

  $ gunicorn --config gunicorn.py 'run:create_app()'

性能测试是在 Gunicorn 后面运行的 Flask 和 Quart 应用程序进行的。

数据库

除了添加一个简单的 review 表之外，Postgresql 示例数据库 为应用程序提供一些用于 CRUD的数据。

  CREATE TABLE review (      film_id INTEGER REFERENCES film(film_id),       rating INTEGER  );

性能测试

使用 wrk 来测量应用程序的性能。配置为使用20个连接来匹配数据库连接池大小（这应该确保最高的吞吐量，而 20 是我用过的典型值）。

测试 GET 请求的命令是

  $ wrk --connections 20 --duration 5m http://localhost:5000/${PATH}/

测试 POST 请求的命令是

  $ wrk --connections 20 --duration 5m --script post.lua http://localhost:5000/${PATH}/

（ post.lua ）

测试系统

Postgres (9.5.10)，wrk (4.0.0)，Python (3.6.3)，asyncpg (0.13.0)，Flask (0.12.2)，Gunicorn (19.7.1)，psycopg2 (2.7.3.2)， Quart (0.3.1)。全部运行在一台 AWS c4.large 机器上。

结果

  Route           | Requests per second | Average Latency [ms]  |                  |   Flask  |   Quart  |   Flask   |   Quart   |  ---------------------------------------------------------------  GET /films/995/ |   330.22 |  1160.27 |     60.55 |     17.23 |  GET /films/     |    99.39 |   194.58 |    201.14 |    102.76 |  POST /reviews/  |   324.49 |  1113.81 |     61.60 |     18.22 |

请注意，Quart 服务器的平均等待时间减少了 2 至 3.5 倍，每秒的请求数量增加了 2 至 3.5 倍。

结论

Flask 应用程序升级到 Quart 应用程序是相当简单的，因为共享 API ，所以主要工作就是在正确的位置写 async 和 await 。 然而，如果使用 SQLAlchemy（或其他 ORM），则从psycopg2 到 asyncpg 的改变会比较复杂，并且可能会很麻烦。

这个 demo 应用程序的性能显着提高，这个改进主要是由于 Quart 使用了 asyncpg 和 uvloop，据估计，仅 Quart 就能提供 1.5 倍的提升。

总之，从 Flask-psycopg2 应用程序升级到 Quart-asyncpg 应用程序的比较的简单，并提供了非常合理的性能改进。这可能会扩展到其他基于 asyncio 的库，这意味着将 Flask 应用程序转换到 asyncio 生态系统，Quart 只需要很小的工作量。

 

 

来自：https://zhuanlan.zhihu.com/p/31578547