Flask 之多线程并发模式

Looooking2026-01-06 11:07

多线程模式设置 threaded=True 即可，适合于 I/O 密集型应用，使得可以充分提升 CPU 的利用率。

单线程模式

python 复制代码

import time
from flask import Flask

app = Flask(__name__)


@app.route('/long-task', methods=['GET'])
def long_task():
    time.sleep(5)  # 模拟长时间操作
    return {"result": "Done"}


app.run(threaded=False, port=5000)

多线程模式

python 复制代码

import time
from flask import Flask

app = Flask(__name__)


@app.route('/long-task', methods=['GET'])
def long_task():
    time.sleep(5)  # 模拟长时间操作
    return {"result": "Done"}


app.run(threaded=True, port=5000)

并发请求对比

为了模拟并发请求，我们使用多线程同时发起多个请求，然后看程序执行完毕时整体请求花费的时间。

python 复制代码

import datetime
import threading
import requests


def run():
    url = r"http://127.0.0.1:5000/long-task"
    response = requests.request('get', url)
    print(response.json())


if __name__ == '__main__':
    start_time = datetime.datetime.now()
    print('start_time：', start_time)
    thread_list = []
    for i in range(5):
        t = threading.Thread(target=run)
        thread_list.append(t)

    for t in thread_list:
        t.daemon = True
        t.start()

    for t in thread_list:
        t.join()

    end_time = datetime.datetime.now()
    print('end_time：', end_time)
    print('一共用时：', end_time - start_time)

单线程模式下，即使同时发起多个请求，服务端仍然是一次只处理一个请求，其他请求需要等待。

python 复制代码

start_time： 2026-01-04 16:02:31.589845
{'result': 'Done'}
{'result': 'Done'}
{'result': 'Done'}
{'result': 'Done'}
{'result': 'Done'}
end_time： 2026-01-04 16:02:56.646640
一共用时： 0:00:25.056795

多线程模式下，服务器会为每个新请求创建一个新线程**，**可以同时并发处理多个请求。

python 复制代码

start_time： 2026-01-04 16:09:33.286395
{'result': 'Done'}
{'result': 'Done'}
{'result': 'Done'}
{'result': 'Done'}
{'result': 'Done'}
end_time： 2026-01-04 16:09:38.303070
一共用时： 0:00:05.016675

当启动多线程模式时，如果发现日志文件中的日志打印顺序并不完全是串行的话，请勿要多虑。