怎么在Python中使用Gunicorn多进程部署Flask应用-Python教程-PHP中文网

必须删除所有 app.run()，否则 gunicorn 不生效；合理设置 --workers 数量并匹配 worker-class；显式加载 flask 配置；nginx 必须透传 x-real-ip、x-forwarded-for、x-forwarded-proto 头。

怎么在python中使用gunicorn多进程部署flask应用

删掉所有 app.run()，否则 Gunicorn 根本不生效——这是上线前最常被跳过的一步，也是压测时发现“并发没提升”的根本原因。

Gunicorn 启动时直接导入模块并调用 WSGI callable（比如 app），完全绕过 if __name__ == '__main__': app.run()。如果你没删它：

本地运行 python app.py 时，实际跑的是 Werkzeug 开发服务器，日志里会带 WARNING：「This is a development server. Do not use it in a production environment.」
用 gunicorn app:app 启动时，app.run() 被忽略，但残留代码容易误导你认为“配置已生效”
检查所有可能被直接执行的文件：app.py、main.py、run.py、manage.py，把所有 app.run(...) 行注释或删除

盲目设 --workers 16 在 4 核机器上，反而导致 GIL 争抢、内存暴涨、响应变慢。CPython 的全局解释器锁让多进程对 CPU 密集型任务收益有限。

Secure Python Code Sandbox

安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。

下载

CPU 密集型（如图像处理、数值计算）：用默认 --worker-class sync，--workers 设为 2 * CPU核心数 + 1（例如 4 核 → --workers 9）
I/O 密集型（如频繁查数据库、调外部 API）：可试 --worker-class gevent，但必须在应用最开头加 from gevent import monkey; monkey.patch_all()，且要额外装 gevent
不确定类型或刚上线：先用 --workers 4 --worker-class sync 跑通，再压测调整
启动时加 --log-level info，日志里会明确打出「Booting worker with pid XXX」，数一下实际 worker 数量，避免“以为起了 8 个，其实只起了 1 个”

Gunicorn 不解析 .env 或 config.py，它只管启动 WSGI 应用。你代码里写的 DEBUG=True 或 SECRET_KEY，如果没在应用初始化阶段显式载入，线上就还是默认值。

推荐在入口模块（如 app.py）中显式加载：app.config.from_object('config.ProdConfig')
或用绝对路径加载：app.config.from_pyfile(os.path.join(os.path.dirname(__file__), 'config.py'))
别依赖 FLASK_ENV=production——这个环境变量从 Flask 2.3 起已废弃，--env FLASK_ENV=production 对 Gunicorn 无效，也不影响 Flask 行为

只写 proxy_pass http://127.0.0.1:8000; 是不够的。Flask 生成重定向 URL、记录日志、判断是否 HTTPS 时，全靠这些头。

必须在 Nginx 配置里加上：proxy_set_header X-Real-IP $remote_addr;、proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;、proxy_set_header X-Forwarded-Proto $scheme;
否则 request.remote_addr 拿到的是 127.0.0.1，url_for(..., _external=True) 生成的链接是 http:// 而非 https://
如果用了 gevent 或 eventlet，还要确保 Nginx 的 proxy_buffering off; 和超时设置匹配，否则长连接可能被意外断开