本文詳細介紹了典型的生產環境的 CRUD 應用程序從 Flask 到 Quart 的轉換，并展示相關的性能改進優勢。

將這個 Flask-pyscopg2 應用程序升級到 Quart-asyncpg 應用程序可以提高 3 倍的性能，而且不需要對代碼進行重大的重寫或調整。

如上所示，在針對單個資源詳情的請求下，Flask每秒請求為330個，而quart能達到1160個。以此類推，Quart 相比于 Flask 平均性能提高3倍。

這個比較，我使用了一個簡單的只提供一個 RESTful 接口的應用程序，這是微服務架構中的常見用例。

該應用程序有三個路由。這些路由分別是：

• 單個電影詳情：GET /films/pk/
• 所有電影：GET /films/
• 添加新評論：POST /reviews/

源代碼可以在以下網址找到:
https://github.com/pgjones/faster_than_flask_article

有兩個 commit ，分別是一個 Flask 版本和一個Quart 版本。

1. 從 Flask 到 Quart

從 Flask 改用 Quart 很容易，只需要一點點改變，特別是 from flask 改為 from quart，函數變成異步函數。

def add_review():
    data = request.get_json()
    ...

變成

async def add_review():
    data = await request.get_json()
    ...

**

2.數據庫連接，從 psycopg2 到 asyncpg**

從 psycopg2 改用 asyncpg 比較麻煩，因為兩者有不同的用法。

為了簡化區別，我們在 Flask 應用程序中使用了 PoolWrapper，使得 psycopg2 可以使用與 asyncpg 相同的 API 進行上下文管理，即：

with pool.acquire() as connection:

這將允許通過with更改為async with來使用asyncpg。

當然，除了連接之外，Asyncpg和psycopg2還在游標使用、事務、執行參數和查詢格式方面存在差異。這些差異是你在遷移過程中需要注意的。

3.部署

Flask 應用程序往往不能直接在生產環境中直接暴露給用戶，這是因為Flask 本身一次只能處理一個請求。因此，常常用WSGI服務器與某種異步 worker 結合使用，例如 帶 eventlet 的Gunicorn。

Quart 也可以用 Gunicorn 部署，它允許使用相同的命令來運行 Flask 和 Quart 應用程序：

$ gunicorn --config gunicorn.py 'run:create_app()'

針對 Flask 和 Quart 的性能測試是基于 Gunicorn 進行的。

4.添加測試數據

除了添加一個簡單的 review 表之外，Postgresql 示例數據庫還要為應用程序提供一些用于 CRUD的數據。

CREATE TABLE review (
    film_id INTEGER REFERENCES film(film_id),
    rating INTEGER
);

5.性能測試

為了測量應用程序的性能，我們使用了wrk。它被配置為使用20個連接，以匹配數據庫連接池的大小(確保最高的吞吐量，20是我使用過的典型值)。命令如下：

測試 GET 請求的命令是

$ wrk --connections 20 --duration 5m http://localhost:5000/${PATH}/

測試 POST 請求的命令是

$ wrk --connections 20 --duration 5m --script post.lua http://localhost:5000/${PATH}/

測試使用的 post.lua 文件如下：

wrk.method = "POST"
wrk.body = '{"film_id": 995, "rating": 4}'
wrk.headers["Content-Type"] = "application/json"

6.系統信息與結果

系統信息：

Postgres (9.5.10)，wrk (4.0.0)，Python (3.6.3)，asyncpg (0.13.0)，Flask (0.12.2)，Gunicorn (19.7.1)，psycopg2 (2.7.3.2)， Quart (0.3.1)

全部運行在一臺 AWS c4.large 機器上。

結果

請注意，Quart 服務器的平均等待時間減少了 2 至 3.5 倍，每秒的請求數量增加了 2 至 3.5 倍。

7.結論

Flask 應用程序升級到 Quart 應用程序是相當簡單的，因為大部分 API 是共享的，所以主要工作就是在正確的位置寫async和await。然而，如果使用 SQLAlchemy（或其他 ORM），則從psycopg2 到 asyncpg 的改變會比較復雜，并且可能會很麻煩。

這個 demo 應用程序的性能顯著提高，這個改進主要是由于 Quart 使用了 asyncpg 和 uvloop，據估計，僅 Quart 就能提供 1.5 倍的提升。

總之，從 Flask-psycopg2 應用程序升級到 Quart-asyncpg 應用程序的比較簡單，并擁有非常合理的性能改進。這可能會擴展到其他基于 asyncio 的庫，意味著將 Flask 應用程序轉換到 asyncio 生態系統，Quart 只需要很小的工作量。