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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
777
暂无简介
Dart
797
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271