Python GRPC 服务器性能瓶颈

Question

我编写了一个包含多个 rpc 服务的 grpc 服务器。有些是一元的，有些是服务器端流式传输。它连接到 grpc kubernetes 服务器，所以我使用 python kubernetes 客户端来查询服务器目前我遇到了一些性能问题，因为我认为如果有多个请求进来，它会缓冲每个工作人员在它可以服务传入请求之前完成。def startServer():     global server     server = grpc.server(futures.ThreadPoolExecutor(max_workers=10))     servicer_grpc.add_Servicer_to_server(Servicer(), server)     server.add_insecure_port('[::]:' + str(port))     server.start()我的问题是：我怎样才能提高我的表现？在 threadpoolexecutor 中添加更多 max_workers 会有所帮助吗？如何诊断问题并找出导致速度下降的原因？我正在考虑在这种情况下响应的大小是否重要，因为我正在将字节串流式传输到客户端。有没有办法测量响应的大小或者在 python grpc 中是否重要？我想知道您如何诊断您的 python grpc 服务器，以便您知道哪里需要改进？

Answer 1

您描述的性能问题听起来像是并发问题。gRPC Python 服务器使用 ThreadExecutor 来处理 RPC，增加 worker 的数量应该能够允许更多的并发 RPC。

grpc.server(futures.ThreadPoolExecutor(max_workers=1000))

对于问题 2，cProfile 之类的分析器，是的，perf是调试性能问题的强大工具。

对于问题 3，响应的大小并不重要（KB 级别）。

另一方面，我们正在开发 gRPC Python 的 AsyncIO 版本。它具有显着的性能提升，并解决了有限的并发 RPC 问题。它目前是实验性的，但请随时尝试。

from grpc.experimental import aio

class Servicer(...):

    async def ServerStreamingMethodHandler(...):

        for ...:

            yield response

async def startServer():

    global server

    server = aio.server()

    servicer_grpc.add_Servicer_to_server(Servicer(), server)

    server.add_insecure_port('[::]:' + str(port))

    await server.start()