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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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