转载

Repustate从Python迁移到Go，性能提高10倍

　　Repustate 向世界各地的企业和组织提供文本分析服务。随着公司的发展，他们每天处理的文本段数量从 5 亿增加到 10 亿，其中包括 Tweet、新闻文章、博客评论、用户反馈等。大规模的文本分析非常困难，因为很少会出现两段文本完全相同的情况，所以无法利用缓存来提高效率。不过，它可以将大段的文本分成多个句子，然后并发分析每个句子。近日，Repustate 官方博客发表了一篇博文，介绍其 API 的演进过程。

　　Repustate API 的第一个版本是用 Django 编写的。他们构建了一个原型，并以此为基础推出了他们的服务。但每个 Django 请求/响应周期的开销太大。随着 API 访问量增加，可靠性问题凸显，使用 Amazon 服务的成本也大大增加。于是，他们开始寻找一种 Python 代替方案，并选择了 Flask。Flask 几乎是现成的 API，而且是轻量级的。不过，他们稍后又发现了 Falcon。他们非常喜欢这个框架，因为它使用 Cython 进行了优化，速度比 Django 要快许多，而且它还遵循简洁 REST 原则。事实证明，Falcon 是一个很好的补救方案。Repustate 的平均响应时间缩短了，故障和支持问题的数量也降下来了。

　　但即便如此，Repustate 的性能仍然不能满足日益增长的需求。尤其是并发，一直是 Python 的痛处。而且，他们用的是 Python 2.7，还没有使用 Python 3 中的 asyncio 包。但实际上，即使用了，也还是要担心 GIL 的问题。并且，Falcon 无法实现自托管部署。Python 无法像 Java 或C那样打包，然后分发。而他们的许多客户需要在自己的网络中运行 Repustate，他们只能为这些客户提供一个部署了整个技术栈的虚拟应用。该虚拟应用既可以用于 VMware，也可以用于 Virtual Box。这是个可行的方案，但很笨重，而且更新和支持困难。所以，他们希望能够仅仅提供一个可以安装的二进制文件。

　　之所以选择 Go，是因为 Go 满足了他们所有的要求：

比 Python 快
可以编译成单个的二进制文件
可以部署到任何操作系统
容易实现并发

　　而且，Go 测试套件的布局看上去比他们的 nose 测试要简单。测试函数头很容易迁移。例如，将def test_my_function ():转换成func TestMyFunction (t *testing.T) {，通过简单的替换就可以完成。此外，go routines 和 channels 非常易于使用，使得并发文本分析很容易实现。

　　整个迁移过程耗时 3 个月，感兴趣的读者可以查看他们的迁移过程。下面是他们的迁移成果：