Сколько данных может обрабатываться в секунду средой Python Sanic?

Нажмите здесь, чтобы узнать источник перепечатки

Ясухиро Ниджи, работает фрилансером (2013-настоящее время)
Ответил 2 часа назад
Вы можете найти его на странице тестов TechEmpower Framework. Это 283 645 в секунду в сериализации JSON.
Однако это число имеет мало практического значения.
Во-первых, типичный веб-сервер выполняет такие процессы, как аутентификация пользователя, доступ к базе данных и создание HTML, поэтому время обработки намного больше. Это просто означает, что время обработки Sanic ничтожно мало.
Кроме того, не так много случаев, когда веб-приложению требуется более 1000 процессов в секунду. Во-первых, веб-сервер, такой как Niginx, может обрабатывать и кэшировать статические файлы. Если вы это сделаете, маловероятно, что внутренняя система вашей компании с 10 000 сотрудников будет обрабатывать 1000 рабочих мест в секунду.
Даже сейчас Dgango и Flask в основном используются, потому что их обычно достаточно во многих случаях. Если у вас есть проблема, обычно лучше использовать язык Go, который работает быстрее и имеет больше возможностей параллельной обработки, чем Sanic в Python. Обратите внимание, что это не означает, что Sanic не используется, но если число процессов в секунду становится очень большим, сам Python часто не подходит для этого процесса. ,

Масахиро Ишизука
Спасибо за ваш ответ.
> В целом, лучше использовать язык Go, который работает быстрее и имеет больше функций параллельной обработки, чем Sanic в Python.
Я вижу вместе
Модуль потоков параллелизма Python - molpako.py
резюме
GIL Python предотвращает использование многопоточности многопоточности.
Если этот блог прав, и мы рассматриваем его вместе, Python - это язык программирования, который не использует преимущества многоядерных процессоров. Если вам не нужны библиотеки AI (искусственный интеллект) или машинное обучение, Go lang лучше, чем Python, но если библиотеки Go (искусственный интеллект) и машинное обучение расширены для Go lang, Python Мы надеемся, что в будущем будет решена либо платформа, либо формальная поддержка многоядерных процессоров. Существует также библиотека искусственного интеллекта, машинного обучения и численного анализа, разработанная Google под названием TensorFlow for Go lang. Хотя этот API можно использовать с Go lang, все еще только Python может создавать и изучать модели, поэтому я надеюсь, что он будет улучшен в будущем.