flask+gunicorn部署python并发服务

问题：

1.在linux下部署Flask性能比较低这个时候可以用一些热门的框架帮助Flask提高并发性能

2.经过调研和尝试使用
gunicorn可以结合gevent来进行部署，因此在高并发场景下也可适用，于是决定采用gunicorn进行部署。

环境安装

首先pip安装gunicorn。

pip install gunicorn --user

在运行的python脚本目录 创建加载并且配置文件
详情：

# config.py
import os
import gevent.monkey
gevent.monkey.patch_all()

import multiprocessing

# debug = True
loglevel = ‘debug‘
bind = "0.0.0.0:5000"
# 在当前目录下创建一个log文件夹用来存放日志和运行的pid
pidfile = "log/gunicorn.pid"
accesslog = "log/access.log"
errorlog = "log/debug.log"
# 进程守护True为开启后台模式，这里需要注意刚开始挂起最好使用False 看看脚本有没有反馈
daemon = True

# 启动的进程数
workers = 4
worker_class = ‘gevent‘
x_forwarded_for_header = ‘X-FORWARDED-FOR‘

调用命令:

[root@VM-0-15-centos ~]# gunicorn -c gunicorn.py main:app
# 这里需要注意第一次启动前先把配置文件中的
  进程守护默认为False前台运行调试没问题 再挂载到后台

# 启动完成 进程是否启动成功可以用ps -aux看下
[root@VM-0-15-centos ~]# ps -aux|grep 要查询的脚本名

1.debug = True

生产环境不需要这个配置项,调试的时候可以使用。
开启debug项后，在启动gunicorn的时候可以看到所有可配置项的配置，如下所示。
config.py中只需要配置需要修改的项的，大部分采用默认配置即可。默认配置的具
体配置内容可以通过gunicorn -h来查询。

2.日志

1. 需要log目录存在。如果不存在，启动会报错
2. accesslog是访问日志，可以通过access_log_format设置访问日志格式
3. loglevel用于控制errorlog的信息级别，可以设置为debug、info、warning、error、critical

3.workes

1. worker_class是指开启的每个工作进程的模式类型，默认为sync模式，也可使用gevent模式。
2. orkers是工作进程数量，在上述config.py中，取的是CPU的数量。需要注意部署机器的性能，不能无限制多开。多篇文章中推荐了multiprocessing.cpu_count() * 2 + 1这个数量

4.daemon

daemon = True意味着开启后台运行，默认为False

5.注意事项

需要注意的事项，在falsk代码里不能再加

# from gevent.pywsgi import WSGIServer
# monkey.patch_all()

都需要把的gevent,monkey模块并发注释掉,使用gunicorn里的monkey.patch_all()和gevent模块

gunicorn的进程守护 需要替代品

flask+gunicorn部署python并发服务

原文：https://www.cnblogs.com/qiuji/p/15159498.html