技术选择

Question

您可能已经知道，python3 是一个单线程、单处理器程序，这似乎与仅由完整 python 和瓶子（Web 服务器）组成的状态的 tinydb (json) 配合得很好。

在一个您希望在预生产或早期生产和低流量（每周

我想知道的两件事是：

a) 数据隔离（或并发）：但由于一切都是单线程的，处理器将完成排队 CRUD 操作的工作，一个接一个，不会有任何并发​​访问但是关于低流量，我应该关心吗？

b) 等待时间，当处理器排队 10 个人想要访问存储在 ram 中的同一个表时，处理器将对请求进行排队，人们将有等待时间。现在的问题是这是否会引起人们的注意，Python 速度很快（毫秒）。但是我真的不知道如何统计测试 50 ppl 同时连接到网站并请求相同的资源。

我愿意接受所有反馈，请告诉我。

Answer 1

如果您要进行如此低的流量 + 非常快的仅 RAM 操作，那么它似乎是一个值得选择且易于测试的选项。

import bottle

a = bottle.Bottle()


@a.get('/')
def root():
    return {'cheese': '?'}


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

还有我们的 test_file：

import time

import requests
from concurrent.futures import ThreadPoolExecutor

def test(index):
    requests.get('http://localhost:8080/').raise_for_status()

pool = ThreadPoolExecutor(max_workers=10)
for i in (1, 10, 50, 100, 1000):
    t = time.time()
    pool.map(test, range(i))
    print(i, 'took', time.time() - t)
print('?')

在我的 Mac 上这是输出：

1 花了 0.00046515464782714844

10 花了 0.003888845443725586

50 花了 0.0003077983856201172

100 花了 0.0006000995635986328

1000 花了 0.0058138370513916016

?

确实，不明显。 也就是说，稍后将添加的每个 IO/CPU/presistancy 事物都会打破您的假设，因此以较小的开销为代价，使用更大的并发数据库等可能会更好。 ?