本文将介绍如何部署Flask应用。
  部署Flask应用，主要是要运用多线程与多进程，提高接口的并发能力。我们以下面的Python代码（server.py）为例进行演示：

# -*- coding: utf-8 -*-
import time
import datetime
from flask import Flask, jsonify

app = Flask(__name__)


@app.route('/')
def hello_world():
    time.sleep(15)
    return 'Hello World!'


@app.route('/index')
def beijing():
    return 'Shanghai'


@app.route('/tell_time')
def tell_time():
    start_time_desc = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    time.sleep(5)
    end_time_desc = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    return jsonify({"start_time_desc": start_time_desc, "end_time_desc": end_time_desc})


@app.route('/tell_time/<int:_id>', methods=['GET'])
def hello_index(_id):
    start_time_desc = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    time.sleep(5)
    end_time_desc = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    return jsonify({"id": _id, "start_time_desc": start_time_desc, "end_time_desc": end_time_desc})


if __name__ == '__main__':
    app.run(host="0.0.0.0", port=5000, threaded=False)

在上述程序中，一共有四个API接口，描述如下：

• 接口1：/, 功能为睡眠15s，然后输出Hello World!
• 接口2：/index，功能为输出Shanghai
• 接口3：/tell_time，功能为睡眠5s，输出开始、结束时间字典
• 接口4：/tell_time/<int: _id>，以后缀_id区分url，功能同上一个接口。

  如果我们使用python3 server.py，那么该应用部署场景为单线程，即接口之间存在阻塞，也就是说，当我们访问一个耗时的接口的同时，再调用其它接口会被阻塞住，影响这些接口的正常调用。在这个例子中，当我们访问接口1的同时访问接口2，会存在阻塞，如下图：

  接下来，我们将介绍三种Flask的部署方式，避免上述的接口阻塞问题，提高接口的并发能力。
  本文使用的Flask版本为2.3.2。

设置多线程或多进程

  在Flask的应用运行时，app.run()中可以接受两个参数，分别是threaded和processes，用于开启线程支持和进程支持。

1. threaded : 多线程支持，默认为True，即开启多线程;
2. processes：进程数量，默认为1.

在Flask版本2.3.2中，threaded默认值为True，但在较早的版本中默认值为False。
  我们在app.run()中将threaded=True或者不写，则该应用采用多线程部署，代码调整如下：

	app.run(host="0.0.0.0", port=5000, threaded=True)

此时，当我们访问接口1的同时访问接口2，不会存在阻塞，如下图：

  注意，这里千万不要用浏览器来做实验，两次请求都是相同的url，浏览器可能会进行优化导致两次请求使用相同的socket连接。
  我们以接口3为例，在Chrome浏览器中同时访问http://127.0.0.1:5000/tell_time，结果如下：

但当我们换成接口4时，接口就不存在阻塞了，如下图：

使用gevent模块

  gevent是一种协程的Python网络库，基于greenlet封装了libevent事件循环的高层同步API。它让我们在不改变编程习惯的同时，用同步的方式写异步I/O的代码。使用gevent编程性能确实要比用传统的线程高。后续我们有机会再单独介绍gevent模块。
  在Flask的部署场景中，在引入gevent 前，可以在程序最开始执行的位置引入猴子补丁gevent.monkey，这能修改 python默认的 IO 行为，让标准库变成协作式的 API。示例代码如下：

from gevent import pywsgi
from gevent import monkey
monkey.patch_all()  # 打上猴子补丁

from flask import flask
...

if __name__ == '__main__':
    app.debug = True
    server = pywsgi.WSGIServer(('127.0.0.1', 5000), app)
    server.serve_forever()

使用gunicorn模块

  Gunicorn是一个Python的 WSGI HTTP 服务器。它所在的位置通常是在反向代理（如 Nginx）或者负载均衡（如 AWS ELB）和一个 web 应用（比如 Django或者Flask）之间。它是一个移植自Ruby的Unicorn项目的pre-fork worker模型，既支持eventlet也支持greenlet。
  通常，我们在使用gunicorn模块部署Flask应用时，会结合配置文件一起使用，比如下面的gunicorn配置文件（gunicorn_config.py）：

# -*- coding: utf-8 -*-
# gunicorn + gevent 的配置文件
import multiprocessing

timeout = 600
debug = False

# 预加载资源
preload_app = True
# 绑定 ip + 端口
bind = "0.0.0.0:5000"
# 进程数 = cup数量 * 2 + 1
# workers = multiprocessing.cpu_count() * 2 + 1
workers = 2

# 线程数 = cup数量 * 2
# threads = multiprocessing.cpu_count() * 2
threads = 5

# 等待队列最大长度,超过这个长度的链接将被拒绝连接
backlog = 2048

# 工作模式--协程
worker_class = "gevent"

# 最大客户客户端并发数量,对使用线程和协程的worker的工作有影响
# 服务器配置设置的值  1200：中小型项目  上万并发： 中大型
# 服务器硬件：宽带+数据库+内存
# 服务器的架构：集群 主从
worker_connections = 1200

# 进程名称
proc_name = 'gunicorn.pid'
# 进程pid记录文件
pidfile = 'app_run.log'
# 日志等级
loglevel = 'debug'
# 日志文件名
logfile = 'debug.log'
# 访问记录
accesslog = 'access.log'
# 访问记录格式
access_log_format = '%(h)s %(t)s %(U)s %(q)s'

部署的命令为：gunicorn -c gunicorn_config.py server:app。该部署方式采用了多线程+多进程的方式，同时配置可调节，适用于高并发的场景。

压力测试

  我们对接口/tell_time的两种部署方式：采用多线程部署（方式一）和采用gunicorn部署（方式三）进行压力测试，使用工具为jmeter。
  在jmeter中，我们设置1秒钟发送5000个用户请求/tell_time接口，轮次为1，如下图：

  使用第一种部署方式（在app.run()中设置threaded为True），测试结果如下：

  使用第三种部署方式（使用gunicorn，CPU核数为4，设置workers=9, threads=8），测试结果如下：

可以看到，HTTP请求的成功数量是第三种部署方式较多，吞吐量也较多，由此可见，第三种部署方式的高并发性能优于第一种部署方式。

总结

  本文主要介绍了三种常见的高并发部署Flask应用的方式，希望读者能在实际工作中多多实践，提升工作技能~