在 Docker 镜像上运行时，Flask 服务器中的文件请求解析速度较慢，有解决方案吗？

Question

我有一个 React-Flask 应用程序，现在我已经在 Docker 容器中运行以进行部署。该应用程序通过 FormData 将大文件发送到 Flask 服务器（总共近 200 MB）。要部署应用程序，我使用带有以下命令的gunicorn：

gunicorn --workers 6 --timeout 500 --graceful-timeout 500 --bind 0.0.0.0:5001 wsgi:app

在本地运行时（无论是在 Flask 开发模式还是在本地运行 Gunicorn），大约需要 3 秒才能将请求返回给客户端，但在 docker 上部署时需要超过 30 秒。

我的操作系统是 macOS M1。 Docker 正在使用 alpine 运行。

关于为什么会造成这种情况有什么想法吗？或者有什么解决办法吗？

我尝试在 Flask 中将文件解析作为异步任务运行，但我不断从中收到其他错误消息。下面的代码显示了在开发模式下“快”但在 Docker 中慢的工作版本。

/**
   * Sends data to the server using a POST request.
   * @function sendDataAsync
   * @returns {void}
   */
  function sendDataAsync() {
    const formData = new FormData();

    genomes.forEach((genome, i) => {
      const { genomefasta, genomeannotation } = genome[`genome${i + 1}`];

      formData.append("genomefasta", genomefasta);

      genomeannotation.forEach((annotation, k) => {
        formData.append(`genomeannotation${i + 1}`, annotation);
      });

      const rep = replicates[i][`genome${i + 1}`];

      rep.forEach((replicate, j) => {
        const letter = String.fromCharCode(97 + j);
        const { enrichedforward, enrichedreverse, normalforward, normalreverse } = replicate[`replicate${letter}`];

        // gather the data into the formData object
      });
    });


    formData.append("alignmentfile", alignmentFile);

    fetch("/api/runAsync/", {
      method: "POST",
      body: formData,
    })
      .then((response) => response.json())
      .then((data) => {
        setLoading([false, false]);

        if (data.result === "success") {
          // open result in new tab
          let filePath = data.id;
          let URL = `/status/${filePath}`
          window.open(URL, "_blank", "noopener,noreferrer");
        } else {
          console.log(data);
        }
      })
      .catch((err) => console.log(err));
  }

@app.route('/api/runAsync/', methods=['POST', 'GET'])
def getInputAsync():
    '''get the input from the form and execute TSS prediction'''
    # save start time
    startTime = time()
    request_files = request.files.to_dict(flat=False) # Only this line takes around 30 sec. 
    result = do_some_process(files)
    # print runnning time
    print("Time: " + str(time() - startTime))
    return jsonify({'result': 'success', "id": result['id']}) 

Answer 1

当您部署在 docker 容器上时，您的服务器将获得一个

fixed number vcpu

来降低本地机器的性能。当您使用许多工作人员时，由于工作人员会争夺资源，因此会导致性能下降。例如，您的容器提供 1 个 vcpu，但您的 Gunicorn 运行 6 个工作线程。它会比你在本地运行可以使用完整资源的gunicorn慢。

1. 检查您的容器资源：vcpu、ram
2. 更改适合该资源的号码工作人员。您可以设置

   --workers 1

   并增加选择最合适的配置