本指南說明如何最佳化以 Python 程式設計語言編寫的 Cloud Run 服務，並提供背景資訊，協助您瞭解部分最佳化作業的取捨考量。本頁資訊是一般最佳化提示的補充內容，同樣適用於 Python。
許多常見的 Python 網頁應用程式最佳做法和最佳化作業都與下列項目有關：
- 處理並行要求 (包括以執行緒為基礎和非封鎖 I/O)
- 使用連線集區和批次處理非重要函式，例如將追蹤記錄和指標傳送至背景工作，以減少回應延遲。
最佳化容器映像檔
使用下列方法，最佳化容器映像檔，縮短載入和啟動時間：
- 盡量減少啟動時載入的檔案
- 最佳化 WSGI 伺服器
盡量減少啟動時載入的檔案
如要縮短啟動時間，請只在啟動時載入必要檔案，並縮減檔案大小。如果是大型檔案，請考慮下列做法：
將大型檔案 (例如 AI 模型) 儲存在容器中，加快存取速度。建議在啟動後或執行階段載入這些檔案。
如果大型檔案在啟動時並非必要 (例如媒體資產)，請考慮設定 Cloud Storage 磁碟區掛接。
從任何大型依附元件匯入必要子模組，或在程式碼中需要時匯入模組，而不是在應用程式啟動時載入。
最佳化 WSGI 伺服器
Python 透過實作 WSGI 標準 PEP-3333，將應用程式與網路伺服器互動的方式標準化。gunicorn 是較常見的 WSGI 伺服器之一，許多範例說明文件都使用這個伺服器。
最佳化 gunicorn
將下列 CMD 新增至 Dockerfile，以最佳化 gunicorn 的叫用：
CMD exec gunicorn --bind :$PORT --workers 1 --threads 8 --timeout 0 main:app
如要變更這些設定，請根據每個應用程式調整工作站和執行緒的數量。舉例來說，請嘗試使用與可用核心數相同的 Worker 數量，並確認效能有所提升，然後調整執行緒數量。設定過多工作人員或執行緒可能會造成負面影響，例如冷啟動延遲時間較長、耗用更多記憶體、每秒要求數較少等。
根據預設，gunicorn 會在啟動時產生工作站，並監聽指定通訊埠，即使在評估應用程式程式碼之前也是如此。在這種情況下，您應為服務設定自訂啟動探測，因為 Cloud Run 預設啟動探測會在容器執行個體開始監聽 $PORT 時，立即將其標示為正常。
如要變更這項行為，可以透過 --preload 設定叫用 gunicorn，在接聽前評估應用程式碼。這有助於：
- 在部署時找出嚴重的執行階段錯誤
- 節省記憶體資源
加入這項功能前，請先考量應用程式預先載入的內容。
其他 WSGI 伺服器
您不限於使用 gunicorn 在容器中執行 Python。只要容器監聽 HTTP 通訊埠 $PORT，您就可以使用任何 WSGI 或 ASGI 網頁伺服器，詳情請參閱容器執行階段合約。
常見的替代方案包括 uwsgi、uvicorn 和 waitress。
舉例來說，假設名為 main.py 的檔案包含 app 物件，下列叫用會啟動 WSGI 伺服器：
# uwsgi: pip install pyuwsgi
uwsgi --http :$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
這些項目可以新增為 Dockerfile 中的 CMD exec 行，也可以在使用 Google Cloud 的建構包時，新增為 Procfile 中的 web: 項目。
最佳化應用程式
您也可以在 Cloud Run 服務程式碼中，進行最佳化以加快啟動時間和減少記憶體用量。
減少執行緒
您可以減少執行緒數量、使用非封鎖反應式策略，以及避免背景活動，藉此最佳化記憶體。此外，請避免寫入檔案系統，如一般提示頁面所述。
如要在 Cloud Run 服務中支援背景活動，請將 Cloud Run 服務設為以例項為準的計費方式，這樣您就能在要求以外執行背景活動，同時仍可存取 CPU。
減少啟動工作
Python 網頁應用程式在啟動期間可能需要完成許多工作，例如預先載入資料、預熱快取，以及建立連線集區。如果依序執行這些工作，速度可能會很慢。不過，如要平行執行，請增加 CPU 核心數量。
Cloud Run 會傳送實際使用者要求，觸發冷啟動執行個體。如果要求指派給新啟動的執行個體，使用者可能會遇到長時間延遲。
使用精簡的基本映像檔提升安全性
如要提升應用程式安全性，請使用套件和程式庫較少的精簡基本映像檔。
如果您選擇不在容器中從來源安裝 Python，請使用 Docker Hub 的官方 Python 基本映像檔。這些映像檔是以 Debian 作業系統為基礎。
如果您使用 Docker Hub 中的 python 映像檔，建議改用 slim 版本。這些映像檔較小，因為不包含用於建構 Wheel 的多個套件，而您可能不需要為應用程式執行這項操作。python 映像檔隨附 GNU C 編譯器、前置處理器和核心公用程式。
如要找出基本映像檔中最大的十個套件，請執行下列指令：
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'
由於這類低階套件較少，因此 slim 型映像檔也較不容易受到潛在安全漏洞攻擊。部分映像檔可能不含從來源建構 Wheel 所需的元素。
如要重新加入特定套件，請在 Dockerfile 中新增 RUN apt install 行。詳情請參閱「在 Cloud Run 中使用系統套件」。
您也可以選擇非 Debian 架構的容器。python:alpine 選項可能會產生小得多的容器，但許多 Python 套件可能沒有支援 Alpine 系統的預先編譯 Wheel。支援情形正在改善 (請參閱 PEP-656)，但仍有差異。您也可以考慮使用 distroless base image，其中不含任何套件管理工具、殼層或其他程式。
使用 PYTHONUNBUFFERED 環境變數記錄
如要查看 Python 應用程式的非緩衝記錄，請設定環境變數 PYTHONUNBUFFERED。設定這個變數後，stdout 和 stderr 資料會立即顯示在容器記錄中，而不是保留在緩衝區，直到累積一定量的資料或串流關閉為止。
後續步驟
如需更多提示，請參閱