Yoru Karu Studio

🎯 本章重點 通過實際的配置文件範例，學習如何為不同場景配置 Gunicorn。 ⭐ 2025 年新專案建議 結論：Django 3.0+ 新專案，請直接使用 ASGI (範例3) 為什麼？ ✅ 性能更好（比 WSGI 快 10-35 倍） ✅ 向後兼容同步代碼（不需要改現有代碼） ✅ 支援 WebSocket、SSE 等現代功能 ✅ Django 官方推薦的未來方向 ✅ 一個 worker 可處理數千並發 什麼時候才用 WSGI (範例2)？ ⚠️ 只有 Django 2.x 遺留系統無法升級時 ⚠️ 極少數第三方套件不支援 ASGI（非常罕見） 📊 Workers 數量計算說明 在配置文件中你會看到不同的 workers 計算方式，這裡先統一說明： multiprocessing.cpu_count() 是什麼？ import multiprocessing # 自動取得 CPU 核心數 workers = multiprocessing.cpu_count() # 例如： # - 4 核 CPU → workers = 4 # - 8 核 CPU → workers = 8 # - 16 核 CPU → workers = 16不同 Worker 類型的數量公式 Worker 類型 Workers 數量公式 原因 Sync (WSGI) CPU * 2 + 1 需要處理 I/O 等待，需要更多 workers Uvicorn (ASGI) CPU 異步處理，一個 worker 可處理數千並發 Gevent CPU * 2 + 1 協程模型，需要多個 workers 分散負載 Gthread CPU * 2 + 1 多線程，需要更多進程配合 範例對比 # 假設 4 核 CPU # 範例 2：Sync Worker (WSGI) workers = multiprocessing.

🎯 本章重點 學習如何為 I/O 密集型應用配置 Gunicorn，這是最常見的 Web 應用類型。 📊 什麼是 I/O 密集型應用？ 定義 I/O 密集型應用：大部分時間在等待外部資源響應，而不是 CPU 計算。 一個請求的時間分配： 總時間：1000ms ├── CPU 計算：50ms (5%) ← 很少 └── I/O 等待：950ms (95%) ← 大部分時間 ├── 資料庫查詢：400ms ├── Redis 讀取：100ms ├── 外部 API 調用：350ms └── 文件讀寫：100ms典型特徵 # I/O 密集型應用的特徵 ✅ 大量外部調用： - 數據庫查詢（PostgreSQL、MySQL、MongoDB） - 緩存讀寫（Redis、Memcached） - 外部 API 調用（支付、簡訊、天氣 API） - 文件操作（讀寫、上傳、下載） - 消息隊列（RabbitMQ、Kafka） ✅ 響應時間特徵： - 平均響應時間：100-500ms - P95 響應時間：500ms-2s - 時間主要花在等待而非計算 ❌ 不是 I/O 密集型： - 影像處理（resize、濾鏡） - 視頻轉碼 - 大量數學計算 - 機器學習推理 - 加密解密（大量數據） 🏗️ 典型場景 場景 1：API 網關 # myapp/views.

🎯 本章重點 學習如何為 CPU 密集型應用配置 Gunicorn，以及為什麼這類應用需要不同的策略。 📊 什麼是 CPU 密集型應用？ 定義 CPU 密集型應用：大部分時間在進行 CPU 計算，而不是等待 I/O。 一個請求的時間分配： 總時間：1000ms ├── CPU 計算：950ms (95%) ← 大部分時間 └── I/O 等待：50ms (5%) ← 很少 ├── 讀取文件：30ms └── 寫入結果：20ms與 I/O 密集型的對比： I/O 密集型： 時間軸 ────────────────────────────────── ↓ CPU ↓等待...↓CPU ↓等待...↓CPU [5%] [30%] [5%] [30%] [5%] CPU 密集型： 時間軸 ────────────────────────────────── ↓ 持續 CPU 計算........................↓ [────────────── 95% ─────────────]典型特徵 # CPU 密集型應用的特徵 ✅ 大量計算操作： - 影像處理（縮圖、濾鏡、轉換格式） - 視頻轉碼（H.264、H.265 編碼） - 數據分析（統計、機器學習推理） - 加密解密（AES、RSA 大量數據） - 複雜算法（排序、搜索、圖算法） - 科學計算（數值模擬、矩陣運算） ✅ CPU 使用率特徵： - CPU 使用率：80-100% - I/O wait：< 10% - 響應時間取決於 CPU 速度 ❌ 不是 CPU 密集型： - 簡單的 CRUD 操作 - API 調用轉發 - 查詢資料庫後返回 - 文件上傳下載 🏗️ 典型場景 場景 1：圖片處理服務 # myapp/views.

🎯 本章重點 學習如何為既有 I/O 操作又有 CPU 計算的混合型應用選擇最佳配置。 📊 什麼是混合型應用？ 定義 混合型應用：既有大量 I/O 等待，又有相當比例的 CPU 計算。 一個請求的時間分配（混合型）： 總時間：1000ms ├── I/O 等待：600ms (60%) ← 主要部分 │ ├── 資料庫查詢：300ms │ ├── Redis 讀取：100ms │ └── API 調用：200ms │ └── CPU 計算：400ms (40%) ← 不可忽視 ├── 數據處理：150ms ├── JSON 序列化：100ms ├── 業務邏輯計算：100ms └── 模板渲染：50ms與純 I/O、純 CPU 的對比： 純 I/O 密集型： ├── I/O 等待：95% └── CPU 計算：5% → 使用 ASGI (Uvicorn Worker) 純 CPU 密集型： ├── CPU 計算：95% └── I/O 等待：5% → 使用 Sync Worker 混合型： ├── I/O 等待：50-70% └── CPU 計算：30-50% → 需要權衡選擇！典型特徵 # 混合型應用的特徵 ✅ 既有 I/O 操作： - 查詢資料庫（中等複雜度） - 調用外部 API（少量） - 讀寫 Cache ✅ 也有 CPU 計算： - 數據處理和轉換 - 複雜業務邏輯 - JSON 序列化（大量數據） - 模板渲染 - 輕量級圖片處理 ✅ 時間分配特徵： - I/O 等待：50-70% - CPU 計算：30-50% - 兩者都不可忽視 ❌ 不是混合型： - 只查資料庫返回 → 純 I/O - 只做複雜計算 → 純 CPU 🏗️ 典型場景 場景 1：電商商品列表頁 # myapp/views.

🎯 本章重點 學習如何將 Django + Gunicorn 應用部署到生產環境，包含完整的配置、監控和維護。 🏗️ 生產環境架構 標準架構圖 Internet ↓ ┌─────────────────────────────────────────────┐ │ Cloudflare / CDN │ │ • DDoS 防護 │ │ • SSL/TLS │ │ • 靜態資源緩存 │ └─────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ Nginx (反向代理 + 負載均衡) │ │ • 端口：80 (HTTP) / 443 (HTTPS) │ │ • 功能： │ │ - 反向代理到 Gunicorn │ │ - 靜態文件服務 │ │ - SSL 終止 │ │ - Gzip 壓縮 │ │ - 請求限流 │ │ - 健康檢查 │ └─────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ Gunicorn (WSGI/ASGI Server) │ │ • 端口：8000 (內部) │ │ • 配置： │ │ - workers = CPU 核心數 │ │ - worker_class = "uvicorn.

Tree（樹）資料結構完整教學 什麼是樹？ 樹（Tree）是一種非線性的階層式資料結構，由節點（nodes）和邊（edges）組成。樹模擬了現實世界中的階層關係，如組織架構、檔案系統、決策過程等。 樹的基本概念 A <- 根節點 (Root) / | \ B C D <- 內部節點 (Internal Nodes) /| \ E F G <- 葉節點 (Leaf Nodes)重要術語 節點（Node）：樹的基本單位，包含資料和指向其他節點的連結 根（Root）：樹的最頂層節點，沒有父節點 父節點（Parent）：有子節點的節點 子節點（Child）：從屬於另一個節點的節點 葉節點（Leaf）：沒有子節點的節點 兄弟節點（Siblings）：有相同父節點的節點 深度（Depth）：從根到該節點的邊數 高度（Height）：從該節點到最深葉節點的邊數 子樹（Subtree）：節點及其所有後代組成的樹 二元樹（Binary Tree） 二元樹是每個節點最多有兩個子節點的樹結構。 基本實作 class TreeNode: """二元樹節點""" def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def __repr__(self): return f"TreeNode({self.val})" class BinaryTree: """二元樹基本實作""" def __init__(self): self.root = None def __repr__(self): if not self.