Granian 2.0.0发布:高性能Python Web服务器迎来重大升级
Granian是一个基于Rust构建的高性能Python Web服务器,专为ASGI和RSGI协议设计。它通过结合Rust的高效性和Python的灵活性,为Python Web应用提供了出色的性能表现。最新发布的Granian 2.0.0版本带来了多项重要改进和新特性,特别是在线程模型、性能优化和配置灵活性方面有了显著提升。
核心特性升级
1. 实验性支持自由线程Python
Granian 2.0.0引入了对自由线程(free-threaded)Python的实验性支持。这一特性对于Python开发者来说意义重大,因为它可以显著减少全局解释器锁(GIL)带来的性能限制。自由线程模式允许Python代码在多个线程中真正并行执行,而不是被GIL限制为伪并行。
2. 线程模型重构
2.0.0版本对线程模型进行了彻底重构,带来了更清晰的配置选项:
- 将原来的
threads选项重命名为runtime-threads,使其用途更加明确 - 移除了
threading-mode选项,改为更直观的runtime-mode配置- 单线程模式现在表示为
st - 多线程模式现在表示为
mt
- 单线程模式现在表示为
blocking-threads选项现在专门用于Python互操作线程,在ASGI和RSGI协议下限制为1
3. 性能优化增强
新版本在性能优化方面做了多项改进:
- 重新引入了自定义内存分配器,默认使用jemalloc
- 在特定环境下自动使用mimalloc分配器:
- MUSL构建
- Windows平台构建
- Python 3.13t版本
- 不再从发布构建中剥离符号,便于性能分析和调试
新增功能详解
运行时阻塞线程控制
Granian 2.0.0新增了两个与线程管理相关的重要选项:
runtime-blocking-threads:控制运行时阻塞线程的数量blocking-threads-idle-timeout:设置阻塞线程的空闲超时时间
这些选项为开发者提供了更精细的线程管理能力,可以根据应用特性优化资源使用。
HTTP/1.1头部读取超时
新增的http1-header-read-timeout选项允许开发者设置HTTP/1.1协议下读取请求头的超时时间,增强了服务对慢速HTTP客户端的处理能力。
嵌入式服务器支持
2.0.0版本引入了嵌入式服务器变体,位于granian.server.embed模块中。这一特性使得Granian可以更方便地集成到其他Python应用中,而不仅仅是作为独立的Web服务器运行。
兼容性与依赖管理
- 现在将uvloop依赖设为可选,通过额外的依赖项来启用
- 移除了PGO(Profile-Guided Optimization)构建
- 增加了对PyPy 3.11的支持
- Rust任务实现现在仅在Python 3.12以下版本可用
开发者体验改进
Granian 2.0.0在开发者体验方面也做了多项优化:
- 重新导出了
loops注册表,便于开发者进行自定义扩展 - 为常见的workers/threads错误配置添加了警告信息
- 改进了README文档,特别是关于workers、threads和背压(backpressure)的部分
- 对所有相关的HTTP/2选项添加了范围验证
总结
Granian 2.0.0是一个重要的里程碑版本,它通过重构线程模型、增强性能优化和提供更多配置选项,为Python Web应用带来了更高效、更灵活的服务能力。特别是对自由线程Python的实验性支持,为未来Python在高并发场景下的性能提升开辟了新路径。对于追求高性能的Python Web开发者来说,升级到Granian 2.0.0将能够获得更好的服务性能和更精细的资源控制能力。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00