NoneBot2中httpx驱动在Python 3.11下的并发性能问题分析
2025-06-02 02:22:28作者:俞予舒Fleming
问题背景
NoneBot2是一个基于Python的异步机器人框架,它支持多种驱动方式来实现HTTP请求功能。在最新版本中,开发者发现使用httpx驱动时,在Python 3.11环境下并发请求的性能明显低于Python 3.10环境。
现象描述
通过对比测试可以观察到以下现象:
- 在Python 3.10环境下,20个并发请求的总耗时约为0.5秒
- 在Python 3.11环境下,同样的20个并发请求总耗时增加到3-7秒不等
- 使用aiohttp驱动时,两种Python版本表现一致,没有性能差异
技术分析
httpx驱动实现机制
NoneBot2的ForwardDriver在处理HTTP请求时,每次都会新建一个httpx.Client实例。这种设计在Python 3.10中表现尚可,但在Python 3.11中出现了明显的性能下降。
性能差异原因
经过深入分析,性能问题可能源于以下几个方面:
- Python 3.11的异步机制变化:Python 3.11对异步IO进行了优化,但某些情况下可能导致资源创建开销增加
- httpx库的版本兼容性:不同Python版本下httpx库的内部实现可能有差异
- 连接池管理:频繁创建和销毁Client实例导致连接池无法有效复用
与aiohttp的对比
aiohttp驱动之所以表现稳定,是因为它采用了连接池和会话复用的机制,避免了频繁创建新连接的开销。
解决方案建议
短期解决方案
- 对于Python 3.11用户,建议暂时使用aiohttp作为HTTP驱动
- 在必须使用httpx的情况下,可以考虑降低并发量
长期优化方向
- 实现httpx Client的复用机制,避免频繁创建新实例
- 增加连接池配置选项,允许用户自定义连接池大小
- 针对不同Python版本优化驱动实现
性能优化实践
对于需要自行修改代码的用户,可以考虑以下优化方式:
- 将httpx.Client实例化移到类初始化阶段
- 使用单例模式管理Client实例
- 实现连接池的自动维护和清理机制
结论
NoneBot2框架在Python 3.11环境下使用httpx驱动时出现的性能问题,主要源于驱动实现方式与新版本Python的兼容性问题。通过优化驱动实现方式,特别是改进Client实例的管理策略,可以有效解决这一问题。同时,这也提醒我们在框架开发中需要考虑不同Python版本的特性差异,确保框架在各版本下都能保持良好性能。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.15 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
255
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
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
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++
644
255