轉自：https://blog.csdn.net/dutsoft/article/details/51452598
Flask，webpy，Django都帶着 WSGI server，當然性能都不好，自帶的web server 更多的是測試用途。線上發布時，則使用高性能的 wsgi server或者是聯合nginx做uwsgi 。
greenlet是一個輕量級的協程庫。gevent是基於greenlet的網絡庫。
guincorn是支持wsgi協議的http server，gevent只是它支持的模式之一 ，是為了解決django、flask這些web框架自帶wsgi server性能低下的問題。它的特點是與各個web框架結合緊密，部署特別方便。
gunicorn安裝和使用
安裝
pip install gunicorn
啟動
gunicorn code:application
其中code就是指python程序代碼code.py，application就是那個wsgi func的名字。這樣運行的話， gunicorn 默認作為一個監聽 127.0.0.1:8000 的web server，可以在本機通過： http://127.0.0.1:8000 訪問。
設置監聽端口
如果要通過網絡訪問，則需要綁定不同的地址（也可以同時設置監聽端口）。
gunicorn -b 127.0.0.1:8080
使用多進程
在多核服務器上，為了支持更多的並發訪問並充分利用資源，可以使用更多的 gunicorn 進程。
gunicorn -w 8 code:application
這樣就可以啟動8個進程同時處理HTTP請求，提高系統的使用效率及性能。
配合gevent
另外， gunicorn 默認使用同步阻塞的網絡模型(-k sync)，對於大並發的訪問可能表現不夠好， 它還支持其它更好的模式，比如：gevent或meinheld。
# gevent gunicorn -k gevent code:application- 1
- 2
指定配置文件
以上設置還可以通過 -c 參數傳入一個配置文件實現。
gunicorn - gun.conf code:application
# cat gun.conf import os bind = '127.0.0.1:5000' workers = 4 backlog = 2048 worker_class = "sync" debug = True proc_name = 'gunicorn.proc' pidfile = '/tmp/gunicorn.pid' logfile = '/var/log/gunicorn/debug.log' loglevel = 'debug'
關於gevent
gevent是一個基於libev的並發庫。它為各種並發和網絡相關的任務提供了整潔的API。gunicorn對於“協程”也就是Gevent的支持非常好。
gevent程序員指南：gevnet指南
gevent.monkey介紹詳見：關於gevent monkey。
簡單的Flask應用
Flask是一個輕量級的Web框架，核心簡單而易於擴展。Flask介紹詳見：Flask文檔。
用Flask簡單寫了一個web例子，如下：
from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello World!' if __name__ == '__main__': app.run()
用gunicorn啟動Flask應用
配置文件gun.py
import os import gevent.monkey gevent.monkey.patch_all() import multiprocessing debug = True loglevel = 'debug' bind = '0.0.0.0:8800' pidfile = 'log/gunicorn.pid' logfile = 'log/debug.log' #啟動的進程數 workers = multiprocessing.cpu_count() * 2 + 1 worker_class = 'gunicorn.workers.ggevent.GeventWorker' x_forwarded_for_header = 'X-FORWARDED-FOR'
使用gunicorn來啟動
gunicorn -c gun.py hello:app
單純的flask 自帶的web服務器做下測試，會看到壓力大的時候出現socket的問題，因為他是單進程單線程的。使用gunicorn來啟動，響應速度和能力提升顯著。
配置中workers指定啟動的進程數。cpu的損耗是平均到各個進程。workers的值一定不要過大，畢竟多進程對於系統的調度消耗比較大。