haproxy 做 tcp/http 层负载均衡 + gunicorn 做应用层并发处理，是 python web 服务在生产环境最稳、最容易调优的组合；haproxy 必须启用 stream 模式代理 gunicorn 的 tcp 连接，gunicorn 的 worker 类型和参数需严格匹配业务特性，健康检查应采用 tcp 探活而非仅 http 状态码。
直接说结论：HAProxy 做 TCP/HTTP 层负载均衡 + Gunicorn 做应用层并发处理，是 Python Web 服务在生产环境最稳、最容易调优的组合。单纯靠 gunicorn 自身不能实现跨机器的请求分发，它只管本机进程调度；真正承担“把用户请求打到哪台服务器”职责的，必须是 HAProxy（或 Nginx stream）这类反向代理。
HAProxy 必须启用 stream 模式才能代理 Gunicorn
很多人配完 HAProxy 发现请求 502 或直接超时，根本原因是默认只处理 HTTP，而 Gunicorn 默认走的是纯 TCP 连接（--bind 0.0.0.0:8000）。HAProxy 要转发这类流量，必须显式启用 stream 模块并配置 frontend/backend 在 stream 上下文中：
-
stream块不能放在http块里，必须是顶级配置项，和global、defaults并列 - 监听端口需用
listen或frontend+backend组合，不能用location（那是 HTTP 模块的） - 后端 server 地址必须写成
127.0.0.1:8000这类明确的 IP+端口，不支持 Unix socket 路径（除非编译时启用了USE_LINUX_TPROXY）
典型错误配置：proxy_pass http://gunicorn_backend —— 这会触发 HTTP 解析，Gunicorn 不认，直接断连。
Gunicorn 的 --worker-class 和 --workers 必须匹配业务类型
选错 worker 类型会导致 CPU 白占、连接堆积甚至内存爆炸。不是所有场景都适合 gevent：
- CPU 密集型任务（如图像处理、数值计算）用
sync更稳，--workers设为$(nproc) + 1 - I/O 密集型（API、数据库查询、调外部 HTTP）才上
gevent，此时--workers可设小（如 2~4），但必须配--worker-connections=1000以上 - 混用
gevent和同步库（如某些未 patch 的 psycopg2、requests）会卡死事件循环，必须确认所有依赖都兼容 gevent
验证方式：启动后看 ps aux | grep gunicorn，如果只看到 master 进程没子进程，说明 --worker-class 加载失败，日志里通常有 ImportError。
HAProxy 健康检查必须用 TCP 探活，不能只靠 HTTP 状态码
Gunicorn 进程可能还活着，但内部协程已卡死、无法响应 HTTP 请求。仅靠 option httpchk GET /health 会误判：
- 推荐用
option tcp-check+tcp-check connect，只要端口能通就认为健康 - 加
tcp-check send和tcp-check expect做更细粒度探测（比如发一个 HTTP HEAD 请求并检查响应头） -
inter 3s fall 2 rise 3是合理起点：3 秒探一次，连续 2 次失败下线，连续 3 次成功上线
注意：Gunicorn 默认不监听 localhost 以外地址，HAProxy 在另一台机器上时，--bind 必须写成 0.0.0.0:8000，且防火墙放行该端口。
真实压测中容易被忽略的瓶颈点
跑出低 QPS 或高延迟，90% 不是配置问题，而是资源层没对齐：
- HAProxy 机器的
net.core.somaxconn和net.ipv4.ip_local_port_range未调大，导致新建连接失败（ss -s查failed计数） - Gunicorn 的
--timeout小于 HAProxy 的timeout server，导致 HAProxy 先断连，Gunicorn 还在等请求体 - 多个 Gunicorn 实例共用同一个
--pid文件路径，重启时互相覆盖，systemd 无法正确管理生命周期
最隐蔽的问题：HAProxy 默认开启 option http-server-close，它会复用后端连接，但 Gunicorn 的 keepalive 参数（如 --keep-alive）若设得太短，连接池频繁重建，反而拖慢吞吐。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
