starlette 的性能优化核心在于减少异步上下文切换开销、避免阻塞事件循环以及合理配置中间件。具体做法包括:使用原生异步库替代同步代码,利用 run_in_threadpool 处理 cpu 密集型任务,精简中间件链并移除不必要的日志记录,以及通过 gunicorn 配合 uvicorn.workers.uvicornworker 进行多进程部署以充分利用多核 cpu。

如何避免在 Starlette 中阻塞事件循环
当需要执行同步或 CPU 密集型操作时,直接调用会阻塞整个事件循环,导致其他请求无法处理。解决方法是使用 starlette.concurrency.run_in_threadpool 将同步函数放入线程池执行,或者确保所有 I/O 操作均使用异步库(如 httpx.AsyncClient)。

import asyncio
from starlette.applications import Starlette
from starlette.responses import JSONResponse
from starlette.concurrency import run_in_threadpool
def cpu_heavy_task(n):
"""模拟 CPU 密集型计算"""
return sum(i * i for i in range(n))
async def app(scope, receive, send):
if scope['type'] != 'http':
return
# 错误做法:直接调用会阻塞
# result = cpu_heavy_task(1000000)
# 正确做法:使用 run_in_threadpool
loop = asyncio.get_event_loop()
result = await loop.run_in_executor(None, cpu_heavy_task, 1000000)
response = JSONResponse({"result": result})
await response(scope, receive, send)
预期结果:主线程不会被阻塞,其他并发请求可以正常响应。如果直接调用,服务器在处理该请求期间将无法响应任何其他请求。
Starlette 1.5.1 是轻量级 Python ASGI 框架与工具集,提供路由、请求响应、中间件、WebSocket 和后台任务等组件,适合构建异步 Web 服务。本下载为官方 PyPI 通用 wheel 包,可使用 pip 安装,并由包管理器处理依赖;运行应用时还需配置 ASGI 服务器。
如何通过 Gunicorn 提升 Starlette 的多核利用率
默认的 Uvicorn 单进程模式只能利用一个 CPU 核心。为了提升性能,应使用 Gunicorn 作为进程管理器,并指定 UvicornWorker 来启动每个工作进程。这样可以将负载分散到多个 CPU 核心上,显著提高吞吐量。

# 安装依赖
# pip install gunicorn uvicorn[standard]
# 启动命令
gunicorn main:app -w 4 -k uvicorn.workers.UvicornWorker
# main.py
from starlette.applications import Starlette
from starlette.responses import PlainTextResponse
async def homepage(request):
return PlainTextResponse("Hello World")
app = Starlette(routes=[])
预期结果:启动后可以看到 4 个工作进程,每个进程独立运行 Uvicorn 服务器,共同处理传入的请求。相比单进程,系统能更好地利用多核 CPU 资源,提高并发处理能力。
Starlette 中间件对性能的具体影响是什么
中间件在请求和响应之间执行额外逻辑,过多的中间件会增加延迟。优化方法是只保留必要的中间件(如 CORS、GZip),并避免在中间件中执行耗时操作。例如,GZip 压缩虽然增加 CPU 开销,但能显著减少网络传输时间,对于大响应体是划算的;而复杂的认证中间件若未缓存结果,则可能成为瓶颈。


















