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。
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
HunyuanVideo-1.5暂无简介00
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-X1-7BSpark-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