升級 Flask 到 Quart 獲得 3 倍性能提升
簡評：將你的 Flask 應用程序升級到 Quart 應用程序，輕松獲得 3 倍的性能提升，本文將用一個簡單的 demo 來告訴大家如何去做。
自從 Flask 在 8 年前發布以來，Python 發生了很大變化，特別是引入了 asyncio。asyncio 允許開發像 uvloop 和 asyncpg 這樣的庫來提高性能，可惜要 Flask 集成 asyncio 或這些庫不是一件簡單的事情。 然而，Flask-API 可以通過 Quart 框架與 asyncio 一起使用。
Quart 提供了一個簡單的過渡機制使得 Flask 應用程序可以使用 asyncio，因為它們共享 Flask-API，這意味著現有的 Flask 應用程序可以在 Quartz 應用程序中進行很少的改進，然后就可以使用這些新的庫來產生使用 Flask 無法實現的性能改進。
本文詳細介紹了典型的生產環境的 CRUD 應用程序從 Flask 到 Quart 的轉換，并展示了典型生產部署的性能改進。
tl;dr
將這個 Flask-pyscopg2 應用程序升級到 Quart-asyncpg 應用程序可以提高 3 倍的性能，而不需要對代碼進行重大的重寫或調整。
應用程序
對于這個比較，我將使用一個簡單的只提供一個 RESTful 接口的應用程序，這是微服務架構中的常見用例，并提供了一個非常簡單的代碼庫進行比較。
該應用程序有由三個路由組成的兩個藍圖。這些路由有
- 單個資源： GET /films/<int:id>/
- 所有資源： GET /films/
- 新資源： POST /reviews/
源代碼可以在 https:// github.com/pgjones/fast er_than_flask_article 找到，有兩個 commit ，一個 Flask 版本和一個 Quart 版本。
從 Flask 到 Quart
從 Flask 改用 Quart 很容易，只需要一點的改變，特別是 from flask 改為 from quart，函數變成異步函數。完整的 diff 是，
def add_review():
data = request.get_json()
...
變成
async def add_review():
data = await request.get_json()
...
從 psycopg2 到 asyncpg
從 psycopg2 改用 asyncpg 比較麻煩，因為兩者有不同的用法。為了簡化 diff，在 Flask 應用程序中使用了 PoolWrapper，來使用與 asyncpg 相同的 API 為上下文管理的 psycopg2 連接，即 with pool.acquire() as connection: ，這使得 asyncpg 可以把 with 改為 async with。
除了連接之外，asyncpg 和 psycopg2 在 cursor 使用、事務、執行參數和查詢格式上也有所不同。這些大多是不同的約定，完整的 diff 。
部署
將 Flask 應用程序直接暴露給生產環境不太可能擴展，并不代表典型的生產環境。這是因為Flask 本身一次只能處理一個請求。相反，WSGI 服務器通常與某種異步 worker 結合使用，例如 帶 eventlet 的Gunicorn。
Quart 也可以用 Gunicorn 部署，它允許使用相同的命令來運行 Flask 和 Quart 應用程序：
$ gunicorn --config gunicorn.py 'run:create_app()'
性能測試是在 Gunicorn 后面運行的 Flask 和 Quart 應用程序進行的。
數據庫
除了添加一個簡單的 review 表之外，Postgresql 示例數據庫 為應用程序提供一些用于 CRUD的數據。
CREATE TABLE review (
film_id INTEGER REFERENCES film(film_id),
rating INTEGER
);
性能測試
使用 wrk 來測量應用程序的性能。配置為使用20個連接來匹配數據庫連接池大小（這應該確保最高的吞吐量，而 20 是我用過的典型值）。
測試 GET 請求的命令是
$ wrk --connections 20 --duration 5m http://localhost:5000/${PATH}/
測試 POST 請求的命令是
$ wrk --connections 20 --duration 5m --script post.lua http://localhost:5000/${PATH}/
（ post.lua ）
測試系統
Postgres (9.5.10)，wrk (4.0.0)，Python (3.6.3)，asyncpg (0.13.0)，Flask (0.12.2)，Gunicorn (19.7.1)，psycopg2 (2.7.3.2)， Quart (0.3.1)。全部運行在一臺 AWS c4.large 機器上。
結果
Route | Requests per second | Average Latency [ms] |
| Flask | Quart | Flask | Quart |
---------------------------------------------------------------
GET /films/995/ | 330.22 | 1160.27 | 60.55 | 17.23 |
GET /films/ | 99.39 | 194.58 | 201.14 | 102.76 |
POST /reviews/ | 324.49 | 1113.81 | 61.60 | 18.22 |
請注意，Quart 服務器的平均等待時間減少了 2 至 3.5 倍，每秒的請求數量增加了 2 至 3.5 倍。
結論
Flask 應用程序升級到 Quart 應用程序是相當簡單的，因為共享 API ，所以主要工作就是在正確的位置寫 async 和 await 。 然而，如果使用 SQLAlchemy（或其他 ORM），則從psycopg2 到 asyncpg 的改變會比較復雜，并且可能會很麻煩。
這個 demo 應用程序的性能顯著提高，這個改進主要是由于 Quart 使用了 asyncpg 和 uvloop，據估計，僅 Quart 就能提供 1.5 倍的提升。
總之，從 Flask-psycopg2 應用程序升級到 Quart-asyncpg 應用程序的比較的簡單，并提供了非常合理的性能改進。這可能會擴展到其他基于 asyncio 的庫，這意味著將 Flask 應用程序轉換到 asyncio 生態系統，Quart 只需要很小的工作量。
來自：https://zhuanlan.zhihu.com/p/31578547