当前位置:

首页 > 编程开发 > 如何在Python FastAPI框架下利用异步数据库驱动提升并发响应能力?

如何在Python FastAPI框架下利用异步数据库驱动提升并发响应能力?

先说结论:要用 async 驱动 + async 依赖项 + 连接池,这三个东西,一个都不能少。少了任何一个,表面上你在写异步代码,实际上线程还是在那里堵着,吞吐量不升反降,折腾半天还不如老老实实用同步方案。 我见过不少团队,明明上了 asyncpg,压测结果出来却让人大跌眼镜。问题通常就出在下面这

本文目录

    先说结论:要用 async 驱动 + async 依赖项 + 连接池,这三个东西,一个都不能少。少了任何一个,表面上你在写异步代码,实际上线程还是在那里堵着,吞吐量不升反降,折腾半天还不如老老实实用同步方案。

    如何在Python FastAPI框架下利用异步数据库驱动提升并发响应能力?

    我见过不少团队,明明上了 asyncpg,压测结果出来却让人大跌眼镜。问题通常就出在下面这几个环节。

    asyncpg / aiomysql 这些驱动,为什么不能 import 进来就直接用?

    最常见的坑,是在代码里写下 import asyncpg,然后在 async def 函数里直接调用 asyncpg.connect()。这看起来没毛病,但仔细想想——每次请求都新建一个数据库连接,压测时请求量上来,数据库的连接数瞬间就被打满了,超时、拒绝连接接踵而至。

    • 核心认知:异步驱动不等于自动帮你管理连接池。asyncpg.connect() 就是一次性的单次连接,用完就丢,没有复用一说。
    • 必须显式地用 asyncpg.create_pool() 来创建连接池。如果你用 ORM,比如 SQLAlchemy 1.4 以上版本,也得用 create_async_engine(pool_pre_ping=True) 来创建引擎。
    • 连接池的初始化,应该放在应用启动时,比如 @app.on_event("startup") 里,而不是在每次请求处理过程中去创建。否则,你等于没做连接池,甚至比不用还慢。

    get_db 依赖项里 yield db 之前,到底要不要 await?

    这是一个非常容易让人疑惑的点。许多代码在这个地方漏掉了 await,结果 FastAPI 得到的不是数据库连接,而是一个协程对象。它不会主动报错,而是静默地失败,或者给你抛一个 TypeError: object ... is not asynchronous,或者直接返回 500。

    • 正确的做法:db = await database_pool.acquire()(如果你用 asyncpg.Pool),或者 db = await AsyncSessionLocal()(如果用 SQLAlchemy)。
    • 错误的写法:db = database_pool.acquire()。少了 await,得到的是个 coroutine 对象,后面再调用 fetch_one,就会得到 RuntimeWarning: coroutine 'Pool.acquire' was never awaited 这样的警告。
    • 简单说:在 yield 之前,如果你没有 await 获取连接,FastAPI 无法把这个“假连接”注入到你的路由函数参数里,最终表现就是接口报错或者直接返回空。

    明明用了 async 驱动,压测 QPS 却和同步版本差不了多少?

    问题出在哪儿?大概率是你在异步代码里混用了同步库,或者无意中阻塞了事件循环。

    别忘了,FastAPI 的并发收益,只对真正异步的 I/O 路径才生效。一旦某个请求里出现了下面的操作,整个 Web Worker 都得停下来等它走完。

    • 检查一下你的 async def 里有没有偷偷用 time.sleep()、requests.get()、json.load() 这些同步操作?它们会直接冻结事件循环。
    • 外部 HTTP 请求,必须换成 httpx.AsyncClient,不能用 requests。这是原则问题。
    • 文件读写,要用 asyncio.to_thread(open, ...) 或者 aiofiles,别用内置的 open()。
    • ORM 查询,必须用 .execute().fetch_all()(比如 SQLModel / Tortoise)或者 session.execute(...).scalars().all()(SQLAlchemy async 模式),不能用那个默认同步的 .all()。

    连接池 max_size 设多大才合适?

    这没有一个标准答案,但有个粗略的预估方法:用「预期的并发请求数 × 平均每个请求需要查几张表」,然后再加 20% 当作缓冲。超过 20 到 30 之后,收益通常就开始递减了,管理开销反而变大。

    • 举个例子:如果你的应用峰值是 1000 QPS,平均每个请求查 2 张表,那可以试试 min_size=10, max_size=30。
    • 一定要记得检查 PostgreSQL 服务端的 max_connections 设置。它必须 >= 你应用连接池的 max_size × 实例数,否则新连接会被拒绝。
    • 务必开启 pool_pre_ping=True(SQLAlchemy)或者设置 min_size > 0(asyncpg),这样能避免拿到已经失效的连接。
    • 闲置连接超时(pool_recycle 或者 max_inactive_connection_lifetime)建议设在 300 到 600 秒左右,防止连接僵死。

    最后,还有一个最容易被忽略的点:所有 async 数据库操作,必须全程在同一个事件循环中完成。从依赖项获取连接开始,到执行查询,再到返回结果,中间不能穿插任何同步阻塞调用。一旦这个链条断了,所谓的 async 就变成了伪异步,性能很可能还不如精心调优过的同步方案。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。