Flask在Windows环境下的部署-白红宇

Flask在Windows环境下的部署

阅读量：6861 次

发布时间：2019-06-26

本文共 4102 字，大约阅读时间需要 13 分钟。

背景

由于目前在用的Flask项目涉及到一部分依赖Windows的处理，还无法迁移到linux平台，那么在windows环境下，要怎么部署呢？

思路

根据Flask官网介绍，由于Flask内置的服务器性能不佳，推荐的主要的部署方式有如下几种：

独立 WSGI 容器

上述这些部署方式，仅Tornado是支持在windows情况下部署的，配合上Nginx可以达到比较好的效果。可已参考。

但是在实际使用中发现，tornado 的稳定性虽然很高，但是在tornado上部署Flask，并不会有异步的效果。实际上还是单进程阻塞运行的，即使在Flask中配置了threaded = True也无法实现多线程使用。

Flask多线程情况

配置启用多线程：

# manage.pyfrom flask_script import Serverserver = Server(host="0.0.0.0", threaded=True)

在Flask中配置两条测试路由

import time@main.route('/test')def maintest():    return 'hello world'    @main.route('/sleep')def mainsleep():    time.sleep(60)    return 'wake up'

先用浏览器访问\sleep：

图片描述

随即立刻访问\test:

图片描述

可见两次访问是不同的线程处理的，不会出现堵塞的情况。

tornado + Flask多线程情况

使用tornado托管：

from tornado.wsgi import WSGIContainerfrom tornado.httpserver import HTTPServerfrom tornado.ioloop import IOLoopfrom yourapplication import apphttp_server = HTTPServer(WSGIContainer(app))http_server.listen(5000)IOLoop.instance().start()

先用浏览器访问\sleep：

图片描述

随即立刻访问\test:

图片描述

可以发现，虽然tornado框架是支持异步的，但是由于实际上后台的处理是同步的，从而无法实现异步的处理的效果。如果想后台的处理也异步，则需要直接使用tornado来开发。

那么为什么使用tornado来托管flask呢？

是一个开源的可伸缩的、非阻塞式的 web 服务器和工具集，它驱动了。因为它使用了 epoll 模型且是非阻塞的，它可以处理数以千计的并发固定连接，这意味着它对实时 web 服务是理想的。把 Flask 集成这个服务是直截了当的

根据官网描述，其实也是为了弥足flask自带服务器不稳定的问题。

Flask高并发下的表现

使用tsung进行压测，压力500：

Name	highest 10sec mean	lowest 10sec mean	Highest Rate	Mean Rate	Mean	Count
connect	34.30 msec	31.91 msec	506 / sec	356.60 / sec	33.19 msec	103908
page	0.42 sec	0.29 sec	505 / sec	356.32 / sec	0.39 sec	103782
request	0.42 sec	0.29 sec	505 / sec	356.32 / sec	0.39 sec	103782
session	1mn 24sec	10.64 sec	11.4 / sec	1.21 / sec	14.24 sec	362

Code	Highest Rate	Mean Rate	Total number
200	505 / sec	356.32 / sec	104792

Name	Highest Rate	Total number
error_abort	0.5 / sec	1
error_abort_max_conn_retries	11.7 / sec	362
error_connect_econnrefused	58.6 / sec	1667

可见，在500的并发下，效果不佳，有很多的链接拒绝。

Flask + Nginx在高并发下的表现

使用tsung进行压测，压力500：

Name	highest 10sec mean	lowest 10sec mean	Highest Rate	Mean Rate	Mean	Count
connect	0.20 sec	30.95 msec	1810.5 / sec	626.43 / sec	0.11 sec	189853
page	0.68 sec	0.17 sec	1810.1 / sec	625.72 / sec	0.40 sec	189581
request	0.68 sec	0.17 sec	1810.1 / sec	625.72 / sec	0.40 sec	189581

Code	Highest Rate	Mean Rate	Total number
200	906.4 / sec	196.08 / sec	60689
502	1443.9 / sec	430.02 / sec	129006

Name	Highest Rate	Total number
error_abort	0.5 / sec	1

情况差不多，Flask服务器表现还算稳定，那么尝试增加后台Flask服务器数量（通过多端口实现）：

python manage.py runserver --port=8001python manage.py runserver --port=8002python manage.py runserver --port=8003python manage.py runserver --port=8004

使用tsung进行压测，压力500，4个Flask服务器：

Name	highest 10sec mean	lowest 10sec mean	Highest Rate	Mean Rate	Mean	Count
connect	0.18 sec	32.57 msec	3510.1 / sec	639.92 / sec	0.11 sec	195154
page	0.49 sec	85.30 msec	3512.1 / sec	639.07 / sec	0.35 sec	194856
request	0.49 sec	85.30 msec	3512.1 / sec	639.07 / sec	0.35 sec	194856

Code	Highest Rate	Mean Rate	Total number
200	3510.1 / sec	639.50 / sec	194986

Name	Highest Rate	Total number
error_abort	0.333333333333333 / sec	1

这个效果妥妥的。

使用tsung进行压测，压力1000，4个Flask服务器：

Name	highest 10sec mean	lowest 10sec mean	Highest Rate	Mean Rate	Mean	Count
connect	0.20 sec	32.63 msec	2983.8 / sec	492.94 / sec	98.56 msec	150793
page	0.57 sec	90.00 msec	2976.4 / sec	491.31 / sec	0.40 sec	150275
request	0.57 sec	90.00 msec	2976.4 / sec	491.31 / sec	0.40 sec	150275

Code	Highest Rate	Mean Rate	Total number
200	2981.4 / sec	488.92 / sec	149556
502	92.5 / sec	4.02 / sec	925

Name	Highest Rate	Total number
error_abort	0.333333333333333 / sec	1

开始有一些502的超时错误了。

使用tsung进行压测，压力1000，4个tornado服务器：

Name	highest 10sec mean	lowest 10sec mean	Highest Rate	Mean Rate	Mean	Count
connect	0.18 sec	86.24 msec	2052.1 / sec	693.82 / sec	0.14 sec	208786
page	0.52 sec	0.24 sec	2060.7 / sec	693.34 / sec	0.45 sec	208606
request	0.52 sec	0.24 sec	2060.7 / sec	693.34 / sec	0.45 sec	208606