Toga框架中集成ASGI服务器的技术实践
2025-06-10 10:00:49作者:俞予舒Fleming
背景介绍
Toga是一个Python原生GUI工具包,它允许开发者使用Python构建跨平台的桌面应用程序。在实际开发中,我们经常需要将Web服务与桌面应用相结合,特别是在现代应用开发中,ASGI(异步服务器网关接口)服务器如FastAPI、Starlette等框架越来越流行。
问题场景
许多开发者尝试在Toga应用中集成ASGI服务器时遇到了困难,特别是使用FastAPI这类框架时。常见的问题是ASGI服务器需要自己的事件循环(event loop),而Toga应用已经启动了一个主事件循环,这会导致冲突。
解决方案
同步方式的局限性
最初开发者可能会尝试使用uvicorn的同步运行方式(uvicorn.run()),这种方式会尝试创建新的事件循环,与Toga的主事件循环冲突,导致应用无法正常工作。
异步集成方案
正确的做法是使用uvicorn的异步API,与Toga的事件循环协同工作。以下是关键实现步骤:
- 创建异步服务器配置:使用uvicorn.Config配置ASGI应用
- 异步启动服务器:通过uvicorn.Server的serve()方法异步运行
- 协调事件循环:确保服务器启动与Toga界面更新在同一事件循环中
代码实现示例
async def web_server(self):
# 获取可用端口
if self.port == 0:
self.port = get_free_port()
# 配置uvicorn服务器
config = uvicorn.Config(self.web_app, host=self.host, port=self.port)
self.server = uvicorn.Server(config)
await self.server.serve()
async def set_url(self):
port = await self.server_exists
self.web_view.url = f"http://{self.host}:{port}/"
def startup(self):
# 初始化Future对象用于端口通信
self.server_exists = asyncio.Future()
# 创建异步任务
asyncio.create_task(self.web_server())
asyncio.create_task(self.set_url())
# 初始化WebView和主窗口
self.web_view = toga.WebView()
self.main_window = toga.MainWindow(title=self.formal_name)
self.main_window.content = self.web_view
self.main_window.show()
技术要点
- 事件循环管理:Toga应用已经运行在主事件循环中,所有异步操作必须与之协调
- 端口动态分配:支持固定端口和临时端口两种模式,提高灵活性
- 线程安全:通过Future对象确保端口信息正确传递
- 资源清理:依赖进程终止自动清理服务器资源
实际应用建议
- 性能考虑:对于资源密集型Web服务,考虑使用单独的进程运行
- 错误处理:添加适当的异常捕获和重试机制
- 开发调试:可以添加日志记录服务器状态和请求信息
- 生产部署:考虑添加健康检查和安全防护机制
总结
在Toga应用中集成ASGI服务器是完全可行的,关键在于正确管理异步事件循环。通过使用uvicorn的异步API,开发者可以轻松地将FastAPI等现代Web框架与Toga桌面应用结合,构建功能丰富的混合型应用程序。这种架构特别适合需要同时提供Web接口和桌面界面的应用场景。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617