高并发场景下，python各web框架的优劣对比与示例分析

Flas k是一个轻量级的We b 框架，由We rkzeug和Jin ja2模板引擎组成。Flas k的设计简单，易于扩展，具有较高的灵活性和可定制性。它适用于开发小型We b 应用程序和API，以及中小型的高并发We b 应用程序。

Django是一个完整的We b框架，具有强大的功能和灵活的架构。它的设计重点是开发大型、高度可扩展的Web 应用程序。Django 支持ORM、自动化的管理界面、表单处理、缓存、安全性等功能，这些功能使得开发Web 应用程序更加高效和简单。

To rnado是一个高性能的Web框架，具有轻量级的设计和异步非阻塞的I/O模型。它被广泛应用于实时Web 应用程序、高并发的API、聊天应用程序等领域。Tornado适合处理高并发、大规模请求和响应的Web应用程序。

FastAPI是一个基于Star let te框架和Py d ant ic库的高性能Web框架，它采用异步非阻塞的I/O模型和OpenAPI（以前称为Swagger）规范。FastAPI支持自动化的API文档、数据验证、异步请求和响应等功能。它适用于高性能的Web API和微服务。

总之，Py th on有许多适合高并发场景的Web框架，开发者可以根据自己的需求和实际情况选择适合自己的框架。

Flas k是一个轻量级的Web框架，由于其设计的简单和易于扩展，因此在处理高并发场景方面可能需要进行一些额外的工作。下面是一些关于如何处理高并发和如何部署启动Fla sk 应用程序的一些建议。

from flask import Flask, request

app = Flask(__name__)


@app.route('/showip', methods=['GET'])
def hello_world():
    if request.method == 'GET':
        return request.remote_addr

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

from flask import Flask
from flask_caching import Cache

app = Flask(__name__)
cache = Cache(app, config={'CACHE_TYPE': 'simple'})

@app.route('/hello/&lt;name&gt;')
@cache.cached(timeout=60) # 缓存60秒
def hello(name):
    return f'Hello {name}!'

if __name__ == '__main__':
    app.run()

在上面的示例中，使用flask_caching扩展来实现缓存功能。首先，在Flask应用程序中实例化一个Cache对象，并将其与应用程序关联。config参数用于设置缓存的类型，这里使用的是内存缓存（simple）。然后，在路由函数上添加@cache.cached装饰器，表示对该函数的结果进行缓存，并设置缓存时间为60秒。如果在缓存时间内再次访问同样的路由，将直接返回缓存中的结果，而不是再次执行路由函数。

# coding=utf-8

import tornado.ioloop
import tornado.web
import tornado.httpclient


class MainHandler(tornado.web.RequestHandler):
    async def get(self):
        url = "https://baidu.com/"
        # 异步请求url并把结果提交给response，传输给接口返回
        response = await tornado.httpclient.AsyncHTTPClient().fetch(url)
        self.write(response.body)


def make_app():
    return tornado.web.Application([
        (r"/", MainHandler),
    ])


if __name__ == "__main__":
    app = make_app()
    app.listen(18888)
    # 添加debug=True参数，可以在控制台看到错误信息
    tornado.ioloop.IOLoop.current().start()

在这个示例中，我们定义了一个 MainHandler 类来处理 HTTP 请求，其中使用了异步关键字 async 来定义异步方法。在 get 方法中，我们使用了 Tornado 异步 HTTP 客户端 AsyncHTTPClient 来发送 HTTP 请求，并使用 await 关键字等待响应返回。

# coding=utf-8


import tornado.ioloop
import tornado.web
import tornado.gen
import tornado.httpclient

class MainHandler(tornado.web.RequestHandler):
    @tornado.gen.coroutine
    def get(self):
        url = "https://www.google.com.hk/"
        response = yield tornado.httpclient.AsyncHTTPClient().fetch(url)
        self.write(response.body)

def make_app():
    return tornado.web.Application([
        (r"/", MainHandler),
    ])

if __name__ == "__main__":
    app = make_app()
    # 设置公网可以访问
    app.listen(18888, address="0.0.0.0")
    tornado.ioloop.IOLoop.current().start()

在这个示例中，我们使用 @tornado.gen.coroutine 装饰器来定义协程方法。在 get 方法中，我们使用 tornado.httpclient.AsyncHTTPClient().fetch 方法来发送 HTTP 请求，并使用 yield 关键字等待响应返回。

from fastapi import FastAPI
import uvicorn

app = FastAPI()

@app.get("/")
async def root():
    return {"message": "Hello World"}

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)

在这个示例中，我们使用 FastAPI 构建了一个简单的 Web 应用程序，并使用 Uv icorn 作为 Web 服务器运行。使用 async 关键字定义异步方法，使得应用程序能够异步地处理请求。

# coding=utf-8

from fastapi import FastAPI
from sqlalchemy import text
from sqlalchemy.ext.asyncio import AsyncSession, create_async_engine
from sqlalchemy.orm import sessionmaker
import uvicorn


app = FastAPI()

user = ""
host = ""
port = 3306
database = ""
# 创建数据库引擎

DATABASE_URL = f"mysql+aiomysql://{user}:{password}@{host}:{port}/{database}"
engine = create_async_engine(DATABASE_URL, echo=True, pool_size=10, max_overflow=20)

# 创建会话工厂
async_session_factory = sessionmaker(engine, class_=AsyncSession, expire_on_commit=False)


# 定义接口
@app.get("/")
async def read_root():
    async with async_session_factory() as session:
        # 测试连通性
        # result = await session.execute(text("SELECT 1"))
        # return {"result": result.scalar()}

        # 获取一条数据
        result = await session.execute(text("SELECT * FROM demo.runoob_tbl"))
        data = result.fetchone()
        print(data)
        # 将数据转换为字典
        # 提取出数据
        # (1, '学习 PHP', '菜鸟教程', datetime.date(2023, 2, 23))
        result = {"id": data[0], "title": data[1], "author": data[2], "submission_date": data[3]}
        return {"result": result}



if __name__ == "__main__":
    # fastApi_mysql_conn_pool
    uvicorn.run(app="fastApi_mysql_conn_pool:app", host="127.0.0.1", port=8000, reload=True)