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。
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。
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。

# 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。










