django 热启动_传统的Web框架如何部署在Serverless架构上（以Flask为例）

前言

Serverless架构是一个新的概念，也可以说是一个新的架构或者技术，但是无论他有多新，都不能一下子完成现有都开发习惯到Serverless架构的过渡，让现有的工程师放弃现有的Express、Koa、Flask、Django等框架直接在Serverless架构上开发项目，显然是不可能，就算可能，这也需要时间进行适应和过渡。

那么在这个过渡的期间我们是否可以考虑将现有的框架部署到Serverless架构上？接下来，我们以Flask框架进行一个简单的测试：测试四种接口：Get请求(可能涉及到通过路径传递参数)

Post请求(通过Formdata传递参数)

Get请求(通过url参数进行参数传递)

Get请求(带有jieba等计算功能)

测试两种情况：本地表现

通过Flask-Component部署表现

测试两种性能：传统云服务器上的性能表现

云函数性能表现

首先是测试代码：

from flask import Flask, redirect, url_for, request

import jieba

import jieba.analyse

app = Flask(__name__)

@app.route('/hello/')

def success(name):

return 'hello %s' % name

@app.route('/welcome/post', methods=['POST'])

def welcome_post():

user = request.form['name']

return 'POST %s' % user

@app.route('/welcome/get', methods=['GET'])

def welcome_get():

user = request.args.get('name')

return 'GET %s' % user

@app.route('/jieba/', methods=['GET'])

def jieba_test():

str = "Serverless Framework 是业界非常受欢迎的无服务器应用框架，开发者无需关心底层资源即可部署完整可用的 Serverless 应用架构。Serverless Framework 具有资源编排、自动伸缩、事件驱动等能力，覆盖编码、调试、测试、部署等全生命周期，帮助开发者通过联动云资源，迅速构建 Serverless 应用。"

print(", ".join(jieba.cut(str)))

print(jieba.analyse.extract_tags(str, topK=20, withWeight=False, allowPOS=()))

print(jieba.analyse.textrank(str, topK=20, withWeight=False, allowPOS=('ns', 'n', 'vn', 'v')))

return 'success'

if __name__ == '__main__':

app.run(debug=True)

这段测试代码是比较有趣的，它包括了最常用的请求方法、传参方法，也包括简单的接口和稍微复杂的接口。

本地表现

本地运行之后，通过Postman进行三个接口简单测试：Post参数传递：

Get参数传递：

通过Flask-Component部署表现

接下来，我们将这个代码部署到云函数中：

Yaml文档内容：

FlaskComponent:

component: '@gosls/tencent-flask'

inputs:

region: ap-beijing

functionName: Flask_Component

code: ./flask_component

functionConf:

timeout: 10

memorySize: 128

environment:

variables:

TEST: vale

vpcConfig:

subnetId: ''

vpcId: ''

apigatewayConf:

protocols:

- http

environment: release

部署完成

接下来测试我们的目标三个接口Get通过路径传参：Post参数传递：

Get参数传递：

通过上面的测试，我们可以看出，通过Flask-Component部署的云函数，也是可以具备常用的几种请求形式和传参形式。

可以这样说，一般情况下，用户的Flask项目可以直接通过腾讯云提供的Flask-component快速部署到Serverless架构上，可以得到比较良好的运行。

简单的性能测试

接下来对性能进行一波简单的测试，首先购买一个云服务器，将这个部分代码部署到云服务器上。

在云上购买服务器，保守一点买了1核2G

然后配置环境，到服务可以跑起来：

通过Post设置一下简单的Tests：

然后对接口进行测试：

非常顺利完成了接口测试：

可以通过接口测试结果进行部分可视化：

同时对数据进行统计：

可以看到，通过上图和上表，服务器测的整体响应时间都快于云函数的响应时间。而且可以看到函数存在冷启动，一按出现冷启动，其响应时间会增长20余倍。在由于上述测试，仅仅是非常简单的接口，接下来我们来测试一下稍微复杂的接口，使用了jieba分词的接口，因为jieba分词接口存在：

测试结果：

可视化结果：

通过对Jieba接口的测试，可以看到虽然服务器也会有因分词组件进行初始化而产生比较慢的响应时间，但是整体而言，速度依旧是远远低于云函数。

那么问题来了，是函数本身的性能有问题，还是增加了Flask框架+APIGW响应集成之后才有问题？

接下来，做一组新的接口测试，在函数中，直接返回内容，而不进行额外处理，看看函数+API网关性能和正常情况下的服务器性能对比

可以看出虽然最小和平均耗时的区别不是很大，但是最大耗时基本上是持平。可以看出来，框架的加载会导致函数冷启动时间长度变得异常可怕。

接下来通过Python代码，对Flask框架进行并发测试：

对函数进行3次压测，每次并发300:

===========task end===========