BlackSheep框架中Server-Sent Events的文本传输优化方案
2025-07-04 00:21:15作者:史锋燃Gardner
Server-Sent Events(SSE)作为一种轻量级的服务器推送技术,在现代Web应用中扮演着重要角色。BlackSheep作为高性能的Python Web框架,近期对其SSE功能进行了重要增强,特别是针对纯文本传输场景的优化。
原始问题分析
在BlackSheep框架的早期版本中,使用ServerSentEvent类发送纯文本消息时存在一个限制:所有内容都会被强制进行JSON序列化处理。这导致纯文本字符串会被自动加上引号,不符合某些场景下直接传输原始文本的需求。
开发者们提出了实际需求:希望能够直接发送未经JSON序列化的原始文本内容。典型应用场景包括:
- 与特定前端组件直接通信
- 传输预格式化文本内容
- 兼容已有SSE客户端实现
技术实现方案
BlackSheep团队采纳了社区建议,通过引入TextServerSentEvent类来解决这个问题。这个新类具有以下关键特性:
- 原生文本支持:直接接受字符串参数,不进行JSON序列化
- 安全处理机制:自动转义换行符(\n和\r\n),防止意外终止SSE消息
- 简洁API设计:保持与原有ServerSentEvent相似的接口风格
使用示例
from blacksheep.server.sse import TextServerSentEvent
@get("/events")
async def events_handler(request: Request) -> AsyncIterable[TextServerSentEvent]:
counter = 0
while True:
counter += 1
yield TextServerSentEvent(f"当前计数: {counter}")
await asyncio.sleep(1)
前端处理时需要注意对转义字符的处理:
eventSource.onmessage = function(event) {
// 处理转义的换行符
const content = event.data.replace(/\\n/g, "<br />");
document.getElementById("output").innerHTML = content;
}
技术细节与最佳实践
-
换行符处理:SSE协议使用两个连续的换行符(\n\n)作为消息分隔符,TextServerSentEvent会自动将内容中的换行符转义为\n,确保消息完整性
-
连接管理:建议结合请求断开检测和应用程序停止信号处理,实现健壮的SSE连接管理
-
性能考量:相比JSON序列化,直接文本传输减少了CPU开销,特别适合高频消息推送场景
总结
BlackSheep框架通过引入TextServerSentEvent类,完善了其SSE功能矩阵,为开发者提供了更灵活的服务器推送选择。这一改进既保持了框架原有的简洁性,又解决了实际开发中的痛点,体现了框架对开发者需求的积极响应。
对于需要与现有SSE客户端集成或传输特定格式文本的应用场景,这一特性将显著简化开发工作。开发者现在可以根据具体需求,在JSON格式和纯文本格式之间自由选择,构建更高效的实时Web应用。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
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
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
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++
872
2.01 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++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
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
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430