Swift OpenAPI Generator 中 URLSession 并发连接限制问题解析
问题背景
在使用 Swift OpenAPI Generator 进行服务器发送事件(SSE)开发时,开发者可能会遇到一个性能问题:当同时发起多个 SSE 请求时,后续请求会出现明显的延迟,甚至导致整个应用的网络请求都被阻塞。这个问题在使用 URLSessionTransport 时尤为明显,而使用 AsyncHTTPClientTransport 则表现正常。
问题现象
在典型的 SwiftUI 应用中,当列表中的每个项都需要建立独立的 SSE 连接时,开发者观察到:
- 第一个连接能够立即建立并接收数据
- 后续连接会延迟几秒才能建立
- 在连接建立期间,应用的其他网络请求也会受到影响
- 使用 AsyncHTTPClientTransport 时则没有这个问题
根本原因
经过深入分析,发现问题的根源在于 URLSession 的默认配置。URLSessionConfiguration 有一个关键属性 httpMaximumConnectionsPerHost,它控制着对同一主机的最大并发连接数。默认情况下,这个值被设置为 6。
当应用尝试建立超过 6 个到同一主机的并发连接时,额外的连接会被放入队列等待,直到有连接完成或被释放。这就是为什么开发者会观察到请求"挂起"的现象。
解决方案
要解决这个问题,可以通过以下方式调整 URLSession 的配置:
var urlSessionConfiguration = URLSessionConfiguration.default
urlSessionConfiguration.httpMaximumConnectionsPerHost = 100 // 调整为合适的值
let urlSession = URLSession(configuration: urlSessionConfiguration)
let client = Client(transport: URLSessionTransport(configuration: .init(session: urlSession)))
通过增加 httpMaximumConnectionsPerHost 的值,可以允许更多的并发连接,从而避免请求排队等待的情况。
最佳实践建议
-
合理设置并发数:虽然可以设置很大的值,但应该根据实际需求和服务器能力进行调整。过高的并发数可能会导致服务器压力过大。
-
连接管理:对于长时间保持的 SSE 连接,考虑实现连接池管理机制,避免无限制地创建新连接。
-
架构设计:在 SwiftUI 应用中,应该将网络请求逻辑与视图分离,使用 ObservableObject 来管理状态和网络请求,避免视图重建导致的任务取消问题。
-
性能监控:实现适当的日志和监控机制,及时发现和解决潜在的连接问题。
总结
URLSession 的默认并发连接限制是为了保护系统和服务器资源而设计的合理默认值。但在需要大量并发连接的特殊场景下,如 SSE 应用,开发者需要了解并适当调整这些配置参数。通过合理配置 URLSession,可以充分发挥 Swift OpenAPI Generator 在网络通信方面的能力,构建高性能的实时应用。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00