FastAPI性能对比：同步vs异步

大家好，FastAPI已成为构建Python API的最流行框架之一，因其速度和易用性而广受欢迎。但在构建高性能应用程序时，使用同步（sync）还是异步（async）代码执行是很重要的问题。本文将通过现实世界的性能测试，对同步和异步的FastAPI实现进行基准测试，并深入分析相关数据，以帮助大家决定何时使用这两种方法。

1.同步与异步在FastAPI中的区别

  • 同步代码（sync）：在同步执行中，任务一个接一个地处理。每个请求都需要等待前一个请求完成，这在用户数量较多或存在慢I/O操作（如数据库查询或文件上传）时，可能会导致瓶颈。

  • 异步代码（async）：异步执行支持多个请求并发处理。应用程序无需等待I/O操作（如数据库调用）完成，而是可以继续处理其他请求，从而在高并发环境中更有效率。

2.设置：在FastAPI中基准测试同步与异步

为了比较同步和异步实现，在这里创建了两个版本的FastAPI应用程序。

同步版本：使用传统的阻塞数据库查询，采用psycopg2。

异步版本：使用非阻塞的异步查询，采用asyncpg。

这两个版本都执行一个简单的任务：从PostgreSQL数据库查询用户。数据库中包含极少的数据，以便隔离同步/异步机制的影响。

技术栈：

  • 使用FastAPI作为API框架。

  • 使用SQLAlchemy作为ORM。

  • 使用psycopg2或psycopg2-binary（同步）和asyncpg（异步）进行数据库连接。

  • 使用PostgreSQL作为数据库。

为了测试性能，使用**Apache Benchmark(ab)**模拟了1000个请求，具有100个并发连接。

2.1 同步版本代码

在同步版本中，在这里使用psycopg2驱动与SQLAlchemy，后者可执行阻塞查询。表格是使用同步的SQLAlchemy引擎创建的。

同步：main.py

from fastapi import FastAPI, Depends, HTTPException
from sqlalchemy.orm import Session
from .database import get_db, Userapp = FastAPI()@app.get("/users/{user_id}")
def get_user(user_id: int, db: Session = Depends(get_db)):# 同步和阻塞user = db.query(User).filter(User.c.id == user_id).first()if not user:raise HTTPException(status_code=404, detail="User not found")return {"id": user.id, "name": user.name, "email": user.email}

同步：database.py

from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String
from sqlalchemy.orm import sessionmakerDATABASE_URL = "postgresql://user:password@localhost/db_name"# 创建同步的SQLAlchemy引擎
engine = create_engine(DATABASE_URL, echo=True)# 创建用于同步查询的会话生成器
SessionLocal = sessionmaker(bind=engine, autoflush=False, autocommit=False)# 定义元数据
metadata = MetaData()# 定义User表
User = Table("users", metadata,Column("id", Integer, primary_key=True),Column("name", String),Column("email", String),
)# 在数据库中创建表
metadata.create_all(engine)# 获取同步数据库会话的依赖
def get_db():db = SessionLocal()try:yield dbfinally:db.close()

2.2 异步版本代码

在异步版本中，在这里使用asyncpg驱动与SQLAlchemy，进行非阻塞查询。然而，表的创建仍然是同步进行的，因为SQLAlchemy的metadata.create_all()不支持异步。

异步：main.py

from contextlib import asynccontextmanager
from fastapi import FastAPI, Depends, HTTPException
from sqlalchemy.ext.asyncio import AsyncSession
from sqlalchemy import select
from .database import get_async_db, User, initialize_database@asynccontextmanager
async def lifespan(app: FastAPI):# 启动：初始化数据库await initialize_database()yieldapp = FastAPI(lifespan=lifespan)@app.get("/users/{user_id}")
async def get_user(user_id: int, db: AsyncSession = Depends(get_async_db)):result = await db.execute(select(User).where(User.c.id == user_id))user = result.fetchone()if not user:raise HTTPException(status_code=404, detail="User not found")return {"id": user.id, "name": user.name, "email": user.email}

异步：database.py

from sqlalchemy.ext.asyncio import AsyncSession, create_async_engine
from sqlalchemy.orm import sessionmaker
from sqlalchemy import MetaData, Table, Column, Integer, StringDATABASE_URL = "postgresql+asyncpg://user:password@localhost/db_name"# 用于异步查询的异步引擎
engine = create_async_engine(DATABASE_URL,echo=True,pool_size=10,max_overflow=20,
)# 用于异步查询的异步会话
AsyncSessionLocal = sessionmaker(bind=engine, class_=AsyncSession, expire_on_commit=False
)# 定义元数据
metadata = MetaData()# 定义User表
users = Table("users",metadata,Column("id", Integer, primary_key=True),Column("name", String),Column("email", String),
)# 创建所有表
async def init_db():async with engine.begin() as conn:await conn.run_sync(metadata.create_all)# 获取异步数据库会话的依赖
async def get_async_db():async with AsyncSessionLocal() as session:yield session# 启动：初始化数据库
async def initialize_database():await init_db()

在这个版本中，请求是以异步方式处理的，支持多个请求在等待I/O时并发处理。

3.基准测试命令

同步版本：ab -n 1000 -c 100 http://127.0.0.1:8000/users/1

异步版本：ab -n 1000 -c 100 http://127.0.0.1:8001/users/1

以下是基准测试的性能指标分析：

图片

同步vs异步（Airtable）的基准测试结果如下。

每秒请求数：异步版本每秒可处理50.68个请求，而同步版本每秒只能处理36.89个请求。在相同时间内，异步处理的请求数比同步版本多37%，因此在并发性方面，异步显然胜出。

每个请求的响应时间（平均值）：异步版本的平均响应时间低于同步版本27%（1973毫秒vs2710毫秒），这表明在高负载情况下，异步处理请求的效率更高。

最长请求时间：两个版本的最长请求时间相似（约4000毫秒），但异步版本的表现更稳定，这体现在响应时间的波动较小。

图片

以上是同步和异步版本在不同百分位数下的比较图，包括平均和最长请求时间。

  • 实线表示不同百分位数下的响应时间。

  • 虚线表示同步（2710.648毫秒）和异步（1973.057毫秒）的平均响应时间。

  • 点线突出显示同步（4167毫秒）和异步（3851毫秒）的最长请求时间。

4.FastAPI中同步与异步的选择

使用异步的情况：

  • 应用程序需要处理高流量和大量并发用户。

  • 应用程序是与I/O绑定的，需要进行大量数据库查询或API调用。

  • 需要为大量请求最小化响应时间。

使用同步的情况：

  • 应用程序的并发量较小，或主要执行CPU密集型任务。

  • 希望保持代码库的简单性，避免异步处理的复杂性。

  • 不希望应用程序扩展到同时处理数百或数千个请求。

5.优化异步性能

虽然异步在这些测试中速度更快，但仍有一些方法可以进一步优化。

  • 连接池：使用连接池重用数据库连接，避免为每个请求创建一个新连接。

  • 使用异步库：确保所有I/O绑定的任务（例如文件读/写、外部API调用）都以异步方式处理，以获得最佳性能。

  • 测试更高的并发性：进行更高并发量的负载测试（例如，500+用户），以充分发挥异步的优势。

engine = create_async_engine(DATABASE_URL,pool_size=10,max_overflow=20
)

如果应用程序需要处理大量并发用户，并严重依赖于I/O绑定任务，那么异步FastAPI可以提供更好的性能、可扩展性和响应能力。不过对于更简单的用例，可以选择同步实现。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/462425.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

wx.setNavigationBarColor动态设置导航栏颜色无效（亲测有效）

wx.setNavigationBarColor动态设置导航栏颜色无效（亲测有效）

wx.setNavigationBarColor动态设置导航栏颜色无效（亲测有效） 问题描述问题分析问题解决注意 问题描述 wx.setNavigationBarColor({frontColor: #E6E6E6,backgroundColor: #E6E6E6 })上面的代码设置后导航栏颜色没有变化，查看了app.json 以及…
阅读更多...
Blender进阶：贴图与UV

Blender进阶：贴图与UV

9 UV 9.1 贴图与UV UV，指定每个面顶点在贴图上的坐标 演示： 1、添加物体 2、添加贴图，即图片纹理节点 3、进入UV Edit工作区 4、右边，选择一个面 5、左边，选择一个面，移动这个面 9.2 电子表格 电子…
阅读更多...
利用LangChain与LLM打造个性化私有文档搜索系统

利用LangChain与LLM打造个性化私有文档搜索系统

我们知道LLM（大语言模型）的底模是基于已经过期的公开数据训练出来的，对于新的知识或者私有化的数据LLM一般无法作答，此时LLM会出现“幻觉”。针对“幻觉”问题，一般的解决方案是采用RAG做检索增强。 但是我们不可能把…
阅读更多...
PostgreSQL-06-入门篇-集合运算

PostgreSQL-06-入门篇-集合运算

文章目录 1. UNION 组合多个查询的结果集简介带有 ORDER BY 子句的 UNION设置样例表PostgreSQL UNION 示例1) 简单的 PostgreSQL UNION 示例2) PostgreSQL UNION ALL 示例3) 带 ORDER BY 子句 UNION ALL 示例 2. INTERSECT 取交集简介带 ORDER BY 子句的 INTERSECT 操作Postgre…
阅读更多...
云计算作业二Spark:问题解决备忘

云计算作业二Spark:问题解决备忘

安装spark 教程源地址：https://blog.csdn.net/weixin_52564218/article/details/141090528 镜像下载 教程给的官网下载地址很慢，https://archive.apache.org/dist/spark/spark-3.1.1/ 这里的镜像快很多： 清华软件源：https://mi…
阅读更多...
（51）MATLAB迫零均衡器系统建模与性能仿真

（51）MATLAB迫零均衡器系统建模与性能仿真

文章目录 前言一、迫零均衡器性能仿真说明二、迫零均衡器系统建模与性能仿真代码1.仿真代码2.代码说明3.迫零均衡器zf_equalizer的MATLAB源码 三、仿真结果1.信道的冲击响应2.频率响应3.迫零均衡器的输入和输出 前言 使用MATLAB对迫零均衡器系统进行建模仿真，完整的…
阅读更多...
【C#】编写计算机选课程序

【C#】编写计算机选课程序

文章目录 一、引言二、程序概述三、程序设计四、 界面设计五、代码实现六、为每一个选项添加事件七、事件处理八、完成展示 一、引言 在这篇文章中，我将介绍如何开发一个简单的计算机选课程序。这个程序将允许学生根据自己的需求选择不同等级的课程，并即…
阅读更多...
【AIGC】AI工作流workflow实践：构建日报

【AIGC】AI工作流workflow实践：构建日报

workflow实践 引言实现步骤分析实践创建 dify workflow 应用创建工作流内部节点1、设置输入字段2、创建两个LLM节点3、设置结束节点 运行工作流 结语 引言 工作流 workflow 是现在 LLM 很重要的一个概念，因为对于一个模型来说，非常复杂的问题很难一次性…
阅读更多...
无人机飞手考证热，装调检修技术详解

无人机飞手考证热，装调检修技术详解

随着无人机技术的飞速发展和广泛应用，无人机飞手考证热正在持续升温。无人机飞手不仅需要掌握飞行技能，还需要具备装调检修技术，以确保无人机的安全、稳定和高效运行。以下是对无人机飞手考证及装调检修技术的详细解析： 一、无人机…
阅读更多...
034_Structural_Transient_In_Matlab结构动力学问题求解

034_Structural_Transient_In_Matlab结构动力学问题求解

结构动态问题 问题描述 我们试着给前面已经做过的问题上加一点有趣的东西。 结构静力学求解 当时求解这个问题，在最外面的竖直切面加载了一个静态的固定的力。下面我们试试看在上方的表面增加一个脉冲压力载荷。 采用统一的有限元框架，定义问题&…
阅读更多...
江协科技STM32学习- P23 DMA 直接存储器存取

江协科技STM32学习- P23 DMA 直接存储器存取

🚀write in front🚀 🔎大家好，我是黄桃罐头，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流 🎁欢迎各位→点赞👍 收藏⭐️ 留言📝​…
阅读更多...
「Math」高等数学知识点大纲（占位待处理）

「Math」高等数学知识点大纲（占位待处理）

✨博客主页何曾参静谧的博客📌文章专栏「C/C」C/C程序设计📚全部专栏「VS」Visual Studio「C/C」C/C程序设计「UG/NX」BlockUI集合「Win」Windows程序设计「DSA」数据结构与算法「UG/NX」NX二次开发「QT」QT5程序设计「File」数据文件格式「PK」Parasoli…
阅读更多...
linux-UART

linux-UART

参考博客 https://blog.csdn.net/m0_38106923/article/details/126024970?sharetypeblog&shareId126024970&sharereferAPP&sharesourceweixin_40933496&sharefromlink 1.串口 UART的全称是Universal Asynchronous Receiver and Transmitter，即异步…
阅读更多...
mac如何下载 测试旧版chrome兼容问题

mac如何下载 测试旧版chrome兼容问题

mac安装低版本的chrome 下载地址： Download older versions of Google Chrome for Windows, Linux and Mac 下载需要模拟的浏览器版本 记住版本号 1、下载后安装 安装时提醒 保留两者 2、可能会提醒无法验证 3、设置允许 就可以打开 4、打开后发现还是新版本的浏…
阅读更多...
【软服之家-注册安全分析报告-无验证方式导致安全隐患】

【软服之家-注册安全分析报告-无验证方式导致安全隐患】

前言 由于网站注册入口容易被黑客攻击，存在如下安全问题： 1. 暴力破解密码，造成用户信息泄露 2. 短信盗刷的安全问题，影响业务及导致用户投诉 3. 带来经济损失，尤其是后付费客户，风险巨大，造…
阅读更多...
数据治理，数据提取，大数据中心建设，大数据治理总体解决方案书（word，ppt原件）

数据治理，数据提取，大数据中心建设，大数据治理总体解决方案书（word，ppt原件）

1. 数据管理的现状 2. 数据治理的概述 1.1数据治理概念 2.2数据治理目标 3. 数据治理体系 4. 数据治理核心领域 1.1 数据模型 1.2 数据生命周期 （1）数据生成及传输 （2）数据存储 （3）数据处理和应用…
阅读更多...
C++设计模式结构型模式———桥接模式

C++设计模式结构型模式———桥接模式

文章目录 一、引言二、桥接模式三、总结 一、引言 桥接（Bridge）模式也叫桥梁模式，简称桥模式，是一种结构型模式。该模式所解决的问题非常简单，即根据单一职责原则，在一个类中，不要做太多事&…
阅读更多...
Rust 力扣 - 48. 旋转图像

Rust 力扣 - 48. 旋转图像

文章目录 题目描述题解思路题解代码题目链接 题目描述 题解思路 我们可以将原矩阵进行水平翻转&#xff0c;然后在沿主对角线进行翻转&#xff0c;就能完成原矩阵沿顺时针方向旋转90o的变换 题解代码 impl Solution {pub fn rotate(matrix: &mut Vec<Vec<i32>&…
阅读更多...
SQL 基础语法（一）

SQL 基础语法（一）

文章目录 1. SQL 分类2. 数据库操作3. 数据表操作4. 增删改操作5. 查询操作6. 用户管理7. 权限控制 1. SQL 分类 2. 数据库操作 #创建数据库 create database if not exists test;#查询所有数据库 show databases;#查询当前数据库 select database();#删除数据库 drop databas…
阅读更多...
高效水电管理：Spring Boot在大学城的应用

高效水电管理：Spring Boot在大学城的应用

1系统概述 1.1 研究背景 随着计算机技术的发展以及计算机网络的逐渐普及&#xff0c;互联网成为人们查找信息的重要场所&#xff0c;二十一世纪是信息的时代&#xff0c;所以信息的管理显得特别重要。因此&#xff0c;使用计算机来管理大学城水电管理系统的相关信息成为必然。开…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023