使用 Gunicorn 部署 FastAPI 应用程序：快速而强大的组合

前言

之前发布的文章中提及到了，前段时间使用Fastapi重构了Java代码覆盖率服务统计工作，总之是本着学习Fastapi框架的理念，重构完成之后，就要部署了，那该如何部署呢？在本地部署和正式环境部署难道不一样吗？带着疑问我们一起来看看。

本地部署

本地开发调试过程中，我通常是这样启动Fastapi服务的

在终端中运行：

css

体验AI代码助手

代码解读

复制代码

uvicorn main:app --host 0.0.0.0 --port 80

当然，也可以python脚本启动：

ini

体验AI代码助手

代码解读

复制代码

import uvicorn ​ uvicorn.run(    app="main:app",    host="0.0.0.0",    port=8088,    reload=True )

这样就好启动一个服务，reload=True支持热重载，方便调试。

应该是比较简单的，那到正式环境，为啥不使用uvicorn直接启动呢？是有更好的方式吗？

正式环境部署

在正式生产环境中，通常不直接使用 Uvicorn 来启动 FastAPI 应用，而是借助 Gunicorn 或者其他类似的 WSGI 服务器来处理请求。这是因为：

• 性能和稳定性： Gunicorn 是一个专门用于生产环境部署的 WSGI 服务器，具有更好的性能和稳定性，能够处理大量并发请求并自动进行负载均衡。

• 多进程支持： Gunicorn 支持多进程方式处理请求，通过调整 Worker 数量可以更好地利用多核 CPU 资源，提高并发处理能力。

• 日志和监控： Gunicorn 提供了更丰富的日志记录功能，便于监控应用程序的运行情况，并支持与其他日志系统集成，有利于故障排查和性能优化。

• 灵活性和扩展性： 使用 Gunicorn 可以方便地配置各种参数，调整工作模式、Worker 数量等，以适应不同规模和需求的应用程序。

终于引出了本文的主题，Gunicorn

Gunicorn

Gunicorn 是一个 Python WSGI HTTP 服务器，它允许运行Python的web应用程序。WSGI 是 Web Server Gateway Interface 的缩写，是 Python 应用程序与 Web 服务器之间的标准接口。

Gunicorn 的特点包括：

• 易用性：只需一个简单的命令即可启动服务。
• 兼容性：遵循 WSGI 标准，可以与大多数的Python web 框架协同工作。
• 性能优化：使用预分叉模型来减少工作负载，并提高性能。
• 并发处理：支持 gevent 和 asyncio 等异步工作模式，有效处理并发请求。

使用 Gunicorn 部署 FastAPI 应用

安装 Gunicorn

使用 pip 来安装：

体验AI代码助手

代码解读

复制代码

pip install gunicorn

启动 Gunicorn 服务器

现在，我们使用 Gunicorn 来启动 FastAPI 应用

这里笔者的 FastAPI 应用文件名为 main.py，并且 FastAPI 实例叫做 app。

在终端中运行：

css

体验AI代码助手

代码解读

复制代码

gunicorn -w 4 -k uvicorn.workers.UvicornWorker main:app

• -w 4 指定了工作进程数为4。建议设置为当前机器CPU核心数的2-4倍。
• -k uvicorn.workers.UvicornWorker 设置工作类为 UvicornWorker，这样 Gunicorn 会知道它需要用 Uvicorn 来运行 ASGI 应用。

调整 Gunicorn 配置

可以通过改变命令行参数或使用配置文件来自定义 Gunicorn 的配置。

• -b, --bind:指明服务器绑定的地址。可以使用IP和端口号的组合（例如 127.0.0.1:8000）或是 UNIX socket的路径。例如：gunicorn -b 0.0.0.0:8000 myapp:app
• -w, --workers:设置工作进程数。根据官方文档，通常设定为CPU核心数的2-4倍。例如：gunicorn -w 4 myapp:app
• -k, --worker-class:工作模式选择。常见的有sync、gevent、uvicorn.workers.UvicornWorker 等。指定 uvicorn.workers.UvicornWorker 可以让 Gunicorn 支持 ASGI 应用，例如 FastAPI。例如:gunicorn -k uvicorn.workers.UvicornWorker myapp:app
• --threads:每个进程下线程的数量，仅限于 gthread 工作模式。这可以用于处理I/O密集型应用。例如：gunicorn --threads 2 myapp:app
• --timeout:设置工作进程的超时秒数。如果一个工作进程在此时间内未报告状态，它将被杀死并有新的工作进程启动。默认为30秒。例如：gunicorn --timeout 120 myapp:app
• --max-requests:每个工作进程处理的最大请求数，之后会重启该工作进程。这有助于释放内存。例如：gunicorn --max-requests 1000 myapp:app
• --daemon:开启守护进程模式，Gunicorn在后台运行。例如：gunicorn --daemon myapp:app
• -c, --config:指向配置文件的路径。配置文件应为Python文件，其中包含Gunicorn设置。例如:gunicorn -c /path/to/config.py myapp:app
• --access-logfile 和 --error-logfile:分别设置访问日志和错误日志的文件路径。使用 '-' 表示标准输出。例如：gunicorn --access-logfile - --error-logfile - myapp:app
• --log-level:日志级别的设置。有效的级别有 debug、info、warning、error 和 critical。例如：gunicorn --log-level debug myapp:app
• --reload:如果代码有修改，自动重新启动工作进程，方便开发调试。不建议在生产环境中使用。例如：gunicorn --reload myapp:app

或者使用gunicorn_conf.py配置文件：

ini

体验AI代码助手

代码解读

复制代码

import os import multiprocessing ​ ​ daemon=True  # 设置守护进程 bind='0.0.0.0:8000'  # 监听内网端口8000 chdir='./' # 工作目录 worker_class='uvicorn.workers.UvicornWorker'  # 工作模式 workers=multiprocessing.cpu_count()+1  # 并行工作进程数 核心数*2+1个 threads=2  # 指定每个工作者的线程数 worker_connections = 2000  # 设置最大并发量 loglevel='debug' # 错误日志的日志级别 access_log_format = '%(t)s %(p)s %(h)s "%(r)s" %(s)s %(L)s %(b)s %(f)s" "%(a)s"' # 设置访问日志和错误信息日志路径 log_dir = "./log" if not os.path.exists(log_dir):    os.makedirs(log_dir) pidfile='./log/gunicorn.pid'  # 设置进程文件目录 accesslog = "./log/gunicorn_access.log" errorlog = "./log/gunicorn_error.log"

然后，使用命令：

css

体验AI代码助手

代码解读

复制代码

gunicorn -c gunicorn_conf.py main:app

改造覆盖率服务正式环境部署

安装上面的方式，新建了gunicorn_conf.py文件，然后启动，我们看看效果

最后

使用 Gunicorn 部署你的 FastAPI 应用。它不仅提供了一个高性能的服务器环境，还让你可以灵活地配置多个选项，以满足生产环境的需求。