timing-asgi:为你的Python ASGI应用添加计时中间件
2024-06-23 18:11:44作者:范垣楠Rhoda
timing-asgi:为你的Python ASGI应用添加计时中间件
项目介绍
timing-asgi是一个针对ASGI的应用的计时中间件,旨在自动化监控ASGI端点的性能。它最初由GRID公司开发,并用于其基于Python和ASGI框架Starlette构建的后端服务,与云监控服务如Datadog集成,提供statsd基础的度量统计。
项目技术分析
该库支持ASGI3标准,通过安装pip install timing-asgi即可轻松部署。TimingMiddleware是核心组件,它可以插入到ASGI应用程序中,记录每个请求处理的时间,并将这些数据暴露给TimingClient。TimingClient可以定制化以满足不同的数据收集需求,例如在上述示例中,数据被打印到控制台,但在实际生产环境中,可能会发送到像Datadog这样的监控系统。
timing-asgi还提供了诸如StarletteScopeToName这样的工具,它们可以帮助转换ASGI范围信息到可读的指标名称,以便更好地理解并分析数据。
项目及技术应用场景
- Web应用性能监测:对于任何基于ASGI(如FastAPI或Quart)构建的高性能Python Web服务,
timing-asgi能帮助开发者实时了解HTTP请求的响应时间,从而优化代码性能。 - 故障排查:当遇到性能下降或异常问题时,通过查看计时数据,可以快速定位潜在的问题点。
- 持续集成/持续交付(CI/CD):在自动化测试阶段,可以利用这些度量来确保新代码引入的改动没有导致性能退步。
项目特点
- 轻量级:设计简洁,易于集成到现有的ASGI应用中,无需大量额外的依赖。
- 高度可定制:可以自定义
TimingClient以适应不同的监控解决方案,如Prometheus、Elasticsearch或其他日志系统。 - 灵活的指标命名:允许通过
metric_namer参数设置如何转换ASGI范围信息为有意义的指标名称。 - 兼容性:虽然主要面向ASGI3,但对ASGI2的支持也在旧版本中得到维护。
使用示例
以下是一个简单的使用timing-asgi的例子:
import uvicorn
from starlette.applications import Starlette
from starlette.responses import PlainTextResponse
from timing_asgi import TimingMiddleware, TimingClient
from timing_asgi.integrations import StarletteScopeToName
app = Starlette()
@app.route("/")
async def homepage(request):
return PlainTextResponse("hello world")
app.add_middleware(
TimingMiddleware,
client=PrintTimings(), # 自定义类,实现数据处理
metric_namer=StarletteScopeToName(prefix="myapp", starlette_app=app)
)
if __name__ == "__main__":
uvicorn.run(app)
运行这个例子,你可以看到每个请求处理的时间被打印出来,这对于跟踪性能非常有帮助。
总结,如果你正在寻找一个简单而强大的工具来监控你的ASGI应用的性能,那么timing-asgi无疑是一个值得尝试的选择。立即安装并体验它带来的好处吧!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873