Django用gunicorn多worker和gevent提升并发
2026-04-08 13:06:23
0浏览
收藏
本文深入解析了如何通过合理配置 Gunicorn 的多 Worker 进程与 gevent 协程机制,显著提升 Django 应用的并发处理能力:默认单 Worker 无法利用多核 CPU,需显式设置 `-w` 参数并启用 `--preload` 避免重复初始化和连接泄漏;gevent 能在 IO 密集型场景下以少量 Worker 支撑高并发,但必须前置 `monkey.patch_all()` 且禁用线程、配好数据库连接池(`CONN_MAX_AGE=0`),而 CPU 密集型任务仍应依赖多进程;同时强调关键配置如 `--timeout`、`--keep-alive` 和 `--max-requests` 对稳定性和性能的决定性影响——不调这三项,再多 Worker 也难逃超时、连接耗尽或内存泄漏。

gunicorn 启动 Django 时为什么没用上多核
默认 gunicorn 只开 1 个 worker,哪怕你机器有 8 核,也只压着一个 CPU 跑。Django 本身是同步阻塞的,不靠多进程(或协程)根本没法吃满 CPU。
实操建议:
- 显式指定
-w参数,比如-w 4开 4 个 worker 进程(一般设为 CPU 核数 × 2,但别盲目堆高——每个 worker 都吃内存) - 确认
--preload是否开启:不开的话,每个 worker 会单独导入 Django,可能触发重复初始化、DB 连接泄漏;开了则主进程先加载再 fork,更安全 - 避免用
--threads混合多线程:Django 的 ORM 和中间件大多非线程安全,线程数 >1 容易出DatabaseError: database is locked或状态错乱
gevent 协程真能提升并发?什么场景下反而拖后腿
gevent 把阻塞调用(如 HTTP 请求、DB 查询、文件读写)自动转成协程让出控制权,单个 worker 就能并发处理几百连接——但前提是这些 IO 真的被 gevent patch 住了。
实操建议:
- 必须在最开头(
manage.py或gunicorn.conf.py顶部)加from gevent import monkey; monkey.patch_all(),漏掉patch_ssl=True会导致 HTTPS 请求卡死 - Django 的
runserver不支持 gevent,必须用gunicorn --worker-class=gevent --workers=2 --worker-connections=1000启动 - 如果代码里有大量 CPU 密集操作(比如 Pandas 计算、图像处理),gevent 无济于事,反而因协程调度增加开销;这时老老实实用多进程 +
-w更稳
worker 类型选 sync / gevent / eventlet?看日志和错误再决定
不是越“高级”的 worker 类型越好。sync 最简单可靠,gevent 性能高但依赖 patch,eventlet 类似但社区维护弱、Python 3.11+ 兼容性差。
常见错误现象:
ImportError: No module named 'gevent.monkey'→ 忘装gevent或没 import monkeyBlockingIOError: [Errno 11] Resource temporarily unavailable→worker-connections设太高,超出系统文件描述符限制(用ulimit -n查,需同步调大)- HTTP 请求超时、部分请求直接 502 → gevent 下 DB 连接池没配好,
CONN_MAX_AGE=0是必须的,否则连接在协程间复用出错
配置里最容易被忽略的三个硬指标
并发能力不只看 worker 数,这三个参数不调,再多进程也白搭。
--timeout 30:默认 30 秒,长耗时接口(如导出)会直接被 kill,按业务设高,但别设成 0(禁用超时)--keep-alive 5:HTTP Keep-Alive 保持时间,太短导致频繁建连,太长占着 worker 不放人,5–10 秒较平衡--max-requests 1000:强制 worker 重启,防内存泄漏(尤其用了 C 扩展或全局缓存时),不设可能跑几天后 OOM
真实线上环境里,--worker-class=gevent 和 --max-requests 组合用得最多——协程省资源,定期重启兜底。
到这里,我们也就讲完了《Django用gunicorn多worker和gevent提升并发》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
民政通账号注销方法及操作步骤
- 上一篇
- 民政通账号注销方法及操作步骤
- 下一篇
- 12306实名认证步骤详解
查看更多
最新文章
-
- 文章 · python教程 | 2小时前 |
- Python tempfile.TemporaryFile 怎样处理无需文件名的临时数据
- 429浏览 收藏
-
- 文章 · python教程 | 2小时前 | 标准库 · python · Python statistics.multimode 并列众数 首次出现顺序 空输入
- Python statistics.multimode 保留并列众数首次出现顺序的处理方法
- 130浏览 收藏
-
- 文章 · python教程 | 3小时前 | Python 相对路径 start ntpath os.path.relpath
- Python os.path.relpath 怎样计算相对路径且不检查文件是否存在
- 291浏览 收藏
-
- 文章 · python教程 | 3小时前 | 异常处理 · python · Python 配置文件 configparser INI
- Python configparser 怎样区分缺失节和缺失选项
- 432浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python decimal.localcontext 怎样限定单次计算精度
- 188浏览 收藏
-
- 文章 · python教程 | 3小时前 | 文件处理 · 标准库 · python · Python 路径判断 os.path.commonpath 目录树 commonprefix
- Python os.path.commonpath 怎样判断两个路径是否属于同一目录树
- 156浏览 收藏
-
- 文章 · python教程 | 3小时前 | python · logging · Python logging.handlers.MemoryHandler 日志缓冲 批量刷新 flushLevel
- Python logging.handlers.MemoryHandler 怎样按条件批量刷新日志
- 181浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 720次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 728次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 804次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 765次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 604次使用
查看更多
相关文章
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览

