FastAPI+Flask接口从2.3s降到180ms：一次真实的性能调优记录
线上一个查询接口P95响应时间飙到2.3秒，QPS一过50就开始大量超时。本文记录了完整的排查过程：用py-spy和cProfile定位到瓶颈在N+1查询和重复的序列化开销，通过selectinload改写ORM查询、引入Redis两级缓存、调整Gunicorn worker配置，最终把P95压到180ms，单机QPS从50提升到420。文中附压测数据和可复现代码。
长期关注品牌实践笔记
Lv.1关注品牌与内容，长期记录用户研究、产品可用性分析和从需求到交付的完整过程。相信长期积累胜过短期追热点，希望用清晰的方法帮助产品与业务更高效地落地。
5文章
0粉丝
0关注
0获赞
最新文章
Milvus 2.4与Qdrant 1.9向量数据库选型对比：部署、查询性能与资源占用实测
在千万级商品图文检索场景中，我们对比了Milvus 2.4.1和Qdrant 1.9.2的部署复杂度、查询延迟、内存占用和召回率。实测显示：Qdrant在单节点512MB内存下可支撑50万向量，P99延迟18ms；Milvus分布式版需4GB内存起步，但百万级向量下QPS领先37%。本文含完整Docker部署步骤、Python查询代码和踩坑记录，帮你根据业务规模做出选型决策。
Git Flow与Trunk Based双轨制：团队协作与CI/CD集成方案
本文记录了我们团队从混乱的Git使用到建立规范工作流的全过程。针对12人研发团队、每周20+次合并的现状，我们设计了“Trunk Based为主、Git Flow为辅”的双轨制分支策略，配合基于GitLab的MR强制Code Review流程，以及Jenkins Pipeline自动化的CI/CD集成方案。通过引入pre-commit钩子、规范提交信息、自动化测试门禁，将代码冲突率从平均每周8次降
FastAPI性能调优实录：Profiling定位与多级缓存策略
一个线上接口从平均响应1200ms压到180ms，吞吐量提升6.5倍。本文记录一次完整的API性能调优过程。通过cProfile与py-spy定位到瓶颈不在数据库而在序列化与重复查询；随后引入SQLAlchemy 2.0的selectinload预加载、Redis二级缓存以及gzip中间件，最终在wrk压测下（500并发，60秒）P99延迟从2.1s降至320ms。全程基于FastAPI 0.10
asyncio重构Flask接口：请求耗时从850ms降至120ms的实践记录
某个凌晨两点，线上告警群里炸了锅——订单导出接口平均响应时间飙到850ms，数据库连接池被打满。排查后发现，罪魁祸首是串行调用三个下游HTTP服务（用户服务、库存服务、价格服务），每个耗时250ms左右。本文记录了我用Python 3.10原生的asyncio + httpx将该接口从同步阻塞改为异步并发，在不引入Celery等重型中间件的前提下，将P95延迟从1.2s压到180ms，数据库连接数