当前位置:首页 > 文章列表 > 文章 > python教程 > Python实现SSE实时推送方法

Python实现SSE实时推送方法

2026-05-09 12:52:50 0浏览 收藏
本文深入剖析了在 Python 中实现可靠 Server-Sent Events(SSE)实时推送的关键实践与避坑指南,明确指出 Flask 因其同步 WSGI 架构无法胜任长连接场景,极易导致连接卡顿、事件丢失和断连残留;强烈推荐使用原生支持异步与连接生命周期管理的 Starlette(轻量可控,适合纯 SSE 服务)或 FastAPI(集成鉴权、校验与 OpenAPI,适合复杂生产环境),并系统讲解了响应头设置、消息格式规范(必须双换行分隔、正确转义换行符、合理使用 id/event/data 字段)、Nginx 缓冲配置、以及最关键的客户端断连处理——通过捕获 ClientDisconnect 异常并在 finally 块中彻底清理后台任务与资源,避免内存泄漏与句柄耗尽,真正实现“推得稳、断得净、收得干净”。

Python SSE(Server-Sent Events)的生产实现

用 Starlette 或 FastAPI 实现 SSE,别碰 Flask

Python 原生不支持长连接流式响应的优雅生命周期管理,Flask 的 yield + Response 表面能跑,但实际会卡住连接、丢事件、无法处理客户端断连。生产环境必须用异步框架。

原因很简单:Flask 是同步 WSGI 框架,每个请求占一个线程/进程,SSE 要求连接长期挂起,而 WSGI 服务器(如 gunicorn)默认超时 30 秒,且无法感知客户端是否已断开;Starlette 和 FastAPI 基于 ASGI,原生支持协程级连接维持和断连检测。

  • Starlette 更轻量,StreamingResponse 接口直接、可控性强,适合纯 SSE 服务
  • FastAPI 自带 OpenAPI 和依赖注入,适合需要鉴权、参数校验、与其他 API 共存的场景
  • 避免用 aiohttp.web:它没有内置的 SSE 响应包装,要手动写 Content-Type、Cache-Control、text/event-stream 分隔符,容易漏掉 retry: 或换行格式,导致浏览器重连失败

StreamingResponse 返回前必须设对响应头

浏览器只认 Content-Type: text/event-stream,且要求响应头在流开始前全部发出。少一个头,或者晚发,都会让 EventSource 卡在 connecting 状态,不报错也不触发 message。

常见错误现象:EventSource 打开后一直 pending,Network 面板里状态是 (pending),控制台无报错。

  • 必须显式设置 headers={"Content-Type": "text/event-stream", "Cache-Control": "no-cache", "Connection": "keep-alive"}
  • Cache-Control 不设或设错(比如写成 no-store),某些浏览器(尤其是 Safari)会拒绝解析流
  • 不要依赖框架自动加 Transfer-Encoding: chunked —— ASGI 服务器(如 uvicorn)通常会加,但如果你套了 Nginx,得确认它没缓冲响应;加 proxy_buffering off; 到 location 块里

发送事件时每条消息结尾必须是 \n\n,不是 \n

SSE 协议规定:每条事件以空行(\n\n)分隔。少一个 \n,后续所有事件都会被浏览器拼成一条,data: 字段解析错乱,id: 和 event: 失效。

典型错误写法:yield "data: hello\n" → 浏览器收不到 message 事件;正确是 yield "data: hello\n\n"。

  • 完整单条事件示例:"id: 123\nevent: update\ndata: {\"status\":\"ok\"}\n\n"
  • id: 字段用于断线重连后的事件去重,生产环境建议生成单调递增或时间戳 ID
  • 如果数据含换行符(比如 JSON 字符串),必须对 data: 行做转义:把 \n 替换成 \\n,否则会提前触发分隔

客户端断连后,服务端协程得真正退出,别留僵尸任务

ASGI 应用里,StreamingResponse 的生成器函数一旦被客户端关闭,uvicorn 会抛 ClientDisconnect 异常。但如果你在生成器里开了后台任务(比如 asyncio.create_task())、用了未取消的定时器、或忘了 try/except 捕获,协程就卡在 await 上,连接释放了,任务还在跑。

后果:内存缓慢增长,fd 耗尽,uvicorn 日志出现 Task was destroyed but it is pending!。

  • 务必在生成器最外层包 try...except starlette.exceptions.ClientDisconnect:,并在 finally 里清理资源
  • 如果用了 asyncio.sleep() 循环推送,改用 asyncio.wait_for(..., timeout=...) 并捕获 asyncio.TimeoutError 和 ClientDisconnect
  • 避免在 SSE 路由里调用阻塞 IO(如 time.sleep、requests.get),它们会阻塞整个 event loop

真正难的不是推数据,是推完还能干净收手。很多线上问题都出在“以为连接断了,其实任务还挂着”。

好了,本文到此结束,带大家了解了《Python实现SSE实时推送方法》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

ShadowDOM如何实现样式隔离与结构保护ShadowDOM如何实现样式隔离与结构保护
上一篇
ShadowDOM如何实现样式隔离与结构保护
Go中导入外部Git模块方法详解
下一篇
Go中导入外部Git模块方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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数据集详解:生物医学问答基准、功能与应用指南
    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。
    291次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    344次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    347次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    310次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    131次使用