本指南介绍了对使用 Python 编程语言编写的 Cloud Run 服务的优化以及有助于您了解某些优化所涉及的权衡的背景信息。此页面上的信息是对常规优化提示的补充，这些提示同样适用于 Python。
这些传统的 Python Web 应用中的许多最佳实践和优化都围绕着以下内容：
- 处理并发请求（基于线程的 I/O 和非阻塞 I/O）
- 通过使用连接池和批处理非关键函数减少响应延迟时间，例如将跟踪记录和指标发送到后台任务。
优化容器映像
通过优化容器映像，您可以缩短加载时间和启动时间。您可以通过以下方式优化映像：
- 仅将您的应用在运行时需要的内容放入容器中
- 优化 WSGI 服务器
仅将您的应用在运行时需要的内容放入容器中
考虑容器中包含哪些组件，以及执行服务是否需要这些组件。您可以通过多种方式最大限度地减小容器映像：
- 使用较小的基础映像
- 将大文件移出容器
使用较小的基础映像
如果您选择不从容器中的源安装 Python，Docker Hub 提供了许多可供您使用官方 Python 基础映像。这些基于 Debian 操作系统。
如果您使用的是 Docker Hub 的 python 映像，请考虑使用 slim 版本。这些映像比较小，因为它们不包含许多用于构建轮子的软件包，例如，您可能不需要为应用构建轮子。例如，Python 映像附带 GNU C 编译器、预处理器和核心实用程序。
如需确定基础映像中的十个最大的软件包，您可以运行以下命令：
DOCKER_IMAGE=python # or python:slim
docker run --rm ${DOCKER_IMAGE} dpkg-query -Wf '${Installed-Size}\t${Package}\t${Description}\n' | sort -n | tail -n10 | column -t -s $'\t'
由于这些低级别软件包较少，因此基于 slim 的映像也会为潜在漏洞提供较少的攻击面。请注意，这些映像可能不包含从源代码构建轮子所需的元素。
您可以通过向 Dockerfile 添加 RUN apt install 行来重新添加特定的软件包。详细了解如何在 Cloud Run 中使用系统软件包。
此外，还提供了基于非 Debian 的容器的选项。python:alpine 选项可能会导致容器小得多，但许多 Python 软件包可能没有支持基于 Alpine 系统的预编译轮子。支持服务正在改进（请参阅 PEP-656），但会继续发生变化。您还可以考虑使用 distroless base image，它不包含任何软件包管理器、shell 或任何其他程序。
将大文件移出容器
媒体资产等大型文件不需要包含在基本容器中。
Google Cloud 提供了多种托管方案（例如 Cloud Storage）来存储这些大型项。将大型资产移动到这些服务，然后在运行时从应用中引用它们。
优化 WSGI 服务器
Python 通过实现 WSGI 标准 PEP-3333 来实现应用与网络服务器交互的方式标准化。一种较常见的 WSGI 服务器是 gunicorn，示例文档的多个部分都使用了该服务器。
优化 gunicorn
将以下 CMD 添加到 Dockerfile 以优化 gunicorn 的调用：
CMD exec gunicorn --bind :$PORT --workers 1 --threads 8 --timeout 0 main:app
如果您考虑更改这些设置，请针对每个应用调整工作器和线程数。例如，尝试使用等于可用核心数量的工作线程，并确保性能有所提高，然后调整线程数。设置过多的工作器或线程会产生负面影响，例如较长的冷启动延迟时间、消耗更多的内存、较小的每秒请求数等。
添加 --preload 设置有助于：
- 在部署时识别严重的运行时错误
- 节省内存资源
在添加此项之前，您应该考虑应用预加载的内容。
其他 WSGI 服务器
您并非只能使用 gunicorn 在容器中运行 Python。您可以使用任何 WSGI 或 ASGI 网络服务器，只要容器根据容器运行时合同侦听 HTTP 端口 $PORT 即可。
常见的替代方案包括 uwsgi、uvicorn 和 waitress。
例如，如果名为 main.py 的文件包含 app 对象，则以下调用将启动 WSGI 服务器：
# uwsgi: pip install pyuwsgi
uwsgi --http :$PORT -s /tmp/app.sock --manage-script-name --mount /app=main:app
# uvicorn: pip install uvicorn
uvicorn --port $PORT --host 0.0.0.0 main:app
# waitress: pip install waitress
waitress-serve --port $PORT main:app
这些调用可以在 Dockerfile 中作为 CMD exec 行添加，或者在使用 Google Cloud 的 buildpack 时作为 Procfile 中的 web: 条目添加。
优化应用
在 Cloud Run 服务代码中，您也可以进行优化以减少启动时间和内存用量。
减少线程
您可以通过使用非阻塞反应式策略和避免后台活动来减少线程数量，从而优化内存。 此外，还要避免写入文件系统，如常规提示页面中所述。
如果您希望在 Cloud Run 服务中支持后台活动，请将 Cloud Run 服务 CPU 设置为始终分配，以便您可以在请求之外运行后台活动，并且仍拥有 CPU 访问权限。
减少启动任务
Python Web 应用会在启动期间完成许多任务，例如预加载数据、预热缓存、建立连接池等。依次执行这些任务会很慢。但是，如果您希望它们并行执行，则应增加 CPU 核心数。
Cloud Run 目前会发送一个实际用户请求以触发冷启动实例。其请求被分配到新启动实例的用户可能会遇到较长的延迟。Cloud Run 目前没有“就绪”检查来避免向未就绪的应用发送请求。
后续步骤
如需查看更多提示，请参阅以下内容