寫在前面：
本文的數據涉及到之前遇到過的問題，大概一次 http 請求到收到響應需要多少時間。這個問題在實際工作中與框架有比較大的關系，因此特別就框架的性能做了一次分析。
這里使用之前的一個報告數據： Python's Web Framework Benchmarks。本文僅關注目前最常用的三大 Python 框架：Django、 Flask 以及 Tornado。
報告主要比較三點：
JSON：序列化一個對象，并返回一個 json。
遠程性能：從遠程服務器上返回 http response 的時間
數據庫性能：使用 ORM（對象關系映射）從數據庫獲取數據，并渲染到模板上的時間
最基本的 json 測試：Django 與 Flask 占優
單純在本地測試 json 的序列化，Django 完成一次 json 序列化的平均時間 42.52 毫秒，每秒請求量 4762 次。Flask 在此項測試中，與 Django 的比較不相上下，Flask 平均時間 43.33 毫秒，每秒請求量 4630 次。Tornado 完成 json 序列化的平均時間高達 77.51 毫秒，是所有框架中耗時最長的，每秒請求數是 2578 次，也是低于 Django 與 Flask 的水準。這僅僅說明框架在本地處理 json 的速度。框架還涉及 http request/response 以及數據庫的讀寫，后面還需要綜合來分析框架的性能。
處理遠程 http 請求的能力：Tornado 占絕對優勢
從這項測試開始，Tornado 的強悍開始顯現。Tornado 完成 http 請求的平均時間是 1.04 秒，而 Flask 是 3.34 秒，Django 是 3.48 秒，http 響應速度 Tornado 比 Flask 以及 Django 快三倍。
值得注意是，如果綜合考慮 http 相應速度以及json 處理速度，如果把兩項指標的平均時間相加：Tornado 耗時 1114.48 毫秒，Flask 是 3387.60 毫秒，Django 是 3519.88 毫秒。
Tornado 的好成績得益于其自帶的異步特性，而 Django 與 Flask 是同步框架，在處理請求時性能受限。但是實際使用中，一般是Django/Flask + Celery + Redis/Memchaned/RabbitMQ 的模式，由此帶上了異步處理的能力。
數據庫與模板處理性能：Tornado 與 Flask 旗鼓相當
Django 飽受詬病的地方就是 Django ORM 確實很慢，加上模板處理時間，Django 的平均時間 2904.04 毫秒，每秒處理請求量 42.9 次。然而 Django 的大部分功能是建立在其 Django ORM 基礎上，比如 models, admin, forms 甚至第三方框架 django-rest-framework。Django 的開發效率與維護非常棒，然而 Django ORM 深度綁定了該框架，如果你需要把 Django ORM 換成其它輪子，那么也意味著 Django 的諸多優秀特性將從此告別。
Flask 事實上的 ORM 是 SQLAlchemy，SQLAlchemy 比 MySQLdb 的耗時多 5% 左右，所以是性能相當不錯的數據庫 ORM。得益于 SQLAlchemy 的優異性能，Flask 的每秒處理請求數為 123 次，平均處理時間 1440.24 秒，與 Tornado 性能相當。
Tornado 的每秒處理請求數為 143 次，平均處理時間 1344.69 秒。對于數據庫與模板的處理，Tornado 與 Flask 不相上下。
結論
Django：Python 界最全能的 web 開發框架，battery-include 各種功能完備，可維護性和開發速度一級棒。常有人說 Django 慢，其實主要慢在 Django ORM 與數據庫的交互上，所以是否選用 Django，取決于項目對數據庫交互的要求以及各種優化。而對于 Django 的同步特性導致吞吐量小的問題，其實可以通過 Celery 等解決，倒不是一個根本問題。Django 的項目代表：Instagram，Guardian。
Tornado：天生異步，性能強悍是 Tornado 的名片，然而 Tornado 相比 Django 是較為原始的框架，諸多內容需要自己去處理。當然，隨著項目越來越大，框架能夠提供的功能占比越來越小，更多的內容需要團隊自己去實現，而大項目往往需要性能的保證，這時候 Tornado 就是比較好的選擇。Tornado項目代表：知乎。
Flask：微框架的典范，號稱 Python 代碼寫得最好的項目之一。Flask 的靈活性，也是雙刃劍：能用好 Flask 的，可以做成 Pinterest，用不好就是災難（顯然對任何框架都是這樣）。Flask 雖然是微框架，但是也可以做成規模化的 Flask。加上 Flask 可以自由選擇自己的數據庫交互組件（通常是 Flask-SQLAlchemy），而且加上 celery +redis 等異步特性以后，Flask 的性能相對 Tornado 也不逞多讓，也許Flask 的靈活性可能是某些團隊更需要的。
總結，蘿卜白菜各有所愛，然而機器的效率（程序的性能）與程序員的效率（可維護性、開發速度）是一對矛盾。選擇什么樣的架構組合，取決于產品的特性以及團隊的能力。
∞∞∞∞∞
公眾號回復“機器學習”，
邀你加入{ IT派AI機器學習群 }?
