技术选择

Question

正如您可能已经知道的那样，python3 是一个单线程、单处理器程序，这似乎与 tinydb (json) 相得益彰，该状态仅由完整的 python，以及瓶子（网络服务器）。

在这样一个世界中，您希望在预生产或早期生产中拥有一些东西并且流量较低（每周少于 100 人），您如何看待拥有一个运行瓶子网站的想法内置 HTTP 服务器 (python) 和 tinydb 作为数据库。

我想知道的两件事是：

a) 数据隔离（或并发）：但由于一切都是单线程的，处理器将执行排队 CRUD 操作的工作，一个接一个，不会'没有任何并发访问，但关于低流量，我应该关心吗？

b) 等待时间，当处理器排队 10 个想要访问存储在 ram 中的相同 table 的 ppl 时，处理器会将请求排队人们会有等待时间。现在的问题是这是否会被人类注意到，Python 很快（毫秒）。但是我真的不知道如何统计测试 50 个人同时连接到网站并请求相同的资源。

我乐于接受每一个反馈，让我知道。

Answer 1

如果您要进行如此低的流量 + 非常快的仅 RAM 操作，那么它似乎是值得的选择并且也很容易测试。

import bottle

a = bottle.Bottle()


@a.get('/')
def root():
    return {'cheese': ''}


if __name__ == '__main__':
    a.run()

和我们的 test_file:

import time

import requests
from concurrent.futures import ThreadPoolExecutor

def test(index):
    requests.get('http://localhost:8080/').raise_for_status()

pool = ThreadPoolExecutor(max_workers=10)
for i in (1, 10, 50, 100, 1000):
    t = time.time()
    pool.map(test, range(i))
    print(i, 'took', time.time() - t)
print('')

在我的 Mac 上输出：

1 took 0.00046515464782714844

10 took 0.003888845443725586

50 took 0.0003077983856201172

100 took 0.0006000995635986328

1000 took 0.0058138370513916016

这确实不明显。也就是说，以后添加的每个 IO/CPU/presistancy 东西都会打破您的假设，因此以少量开销为代价，使用更大的并发数据库等可能会更好。

技术选择

Choice of technology

bottle

python-3.x

tinydb