Python Async! 二十行代码的改变，让qps吞吐量高7

2018-07-14 本文已影响59人 StoryRecorder

响应变化，是敏捷的美德。

团队一直采用python-flask框架做web开发，最近业务扩大规模，需要能够承载峰值为10000的qps，团队准备用GO语言写API接口，在此之前，我使用python3.5的新语法async/await改写了API，对协程做了初步的探索。

代码都比较简单，我直接放在下面，让大家对新老API有个直观的了解。

FLASK框架的API(以下称老接口）:

from flask import Flask, request, jsonify
from models import get_question_analysis

app = Flask(__name__)

@app.route('/', methods=['GET'])
def index():
    return 'hello world'

@app.route('/api', methods=['POST'])
def api():
    data = request.get_json()
    question = data['question']
    question_analysis = get_question_analysis(question)
    return jsonify(question_analysis)

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=False)

使用ASYNC语法，aiohttp框架下的API(以下称新接口):

from aiohttp import web
from models import get_question_analysis

async def index(request):
    return web.Response(text='Hello World')

async def api(request):
    data = await request.json()
    question = data['question']
    question_analysis = await get_question_analysis(question)
    return web.json_response(question_analysis)

app = web.Application()
app.add_routes([web.get('/', index),
                web.post('/api', api)])

if __name__ == '__main__':
    web.run_app(app, host='0.0.0.0', port=5000)

针对两个接口，我用了两种方法做测试，过程如下：

方法一：用本机（macOS）ab(apache benchmark)直接做性能测试

测试方法：在命令行输入ab -c [concurrency] -n [total requests] T 'application/json' —p [filename] http://localhost:5000/api

通过更改"每秒并发数"和"服务进程数"，得知:

12个进程，500并发，老接口的理论qps值为550，而新接口的理论qps值为4023，提高了7倍
1个进程，100并发，老接口的理论qps值为88，而新接口的理论值为522，提高了6倍

ab数据对比

优点：

ab很简单，macOS与linux命令行原生自带，直接可用，数据清晰

缺点：

本机测试无法准确给出单个request的响应时间，实际业务中timeout的情况无法准确分析；
qps值为理论值，实际业务中程序调度，机器负荷的花费无法考虑

方法二：用grafana.***.net做压力测试

测试方法：(蔽司的一个压测工具)模拟线上请求对API打压

数据分析：在打压API时，会返回每次请求的响应时间csv

为了满足业务50%请求的平均响应时间都在10ms以内的要求，我分别对新老接口(12个进程/台)进行了压力测试：

新接口

请求时间(new)
老接口_{({qps: 400, avg: 25}, {qps: 300, avg: 14} {qps: 200, avg: 13})}
请求时间(old)

可以看到，在3500的并发下，新接口都能保持良好的性能，50%的请求都能在7ms内完成，并且响应时间的均值为8ms；另一方面，老接口的性能就难以保证，在400并发下，平均响应时长高达27ms。

到现在，我们应该知道python async的性能是非常优秀的，在我看来，接口的性能仍然有提升的空间，希望以后能够有更多的时间来探索、测试和分享。

Python Async! 二十行代码的改变，让qps吞吐量高7

猜你喜欢

热点阅读