SuperAPI AI 工具集

optimizing-streamlit-performance

通用与其它

查看项目

更新于 10-16 06:15

技能介绍

用途:在 Streamlit 应用变慢、重跑过于频繁或加载重型内容时,优化其性能。核心思路是避免每次交互都重跑全部逻辑。

主要能力与用法: 缓存。用 @st.cache_data 缓存加载或计算数据的函数;用 @st.cache_resource 缓存连接、API 客户端、ML 模型等不可序列化对象。切勿修改 cache_resource 的返回值,否则会影响所有用户,应先复制再改。可用 on_release 在资源被逐出时清理。用 ttl 控制数据新鲜度(实时看板 1m 以内、指标报告 5m 到 15m、参考数据 1h 以上、静态数据不设 TTL)。对存储变化对象的缓存应设 ttl 或 max_entries 防止内存无限增长。不要把读取控件的函数放进缓存,应把控件值作为参数传入;缓存粒度要合理,只缓存昂贵部分。 片段。用 @st.fragment 隔离自包含 UI 的重跑,配合 run_every 实现自动刷新,适用于实时指标、刷新按钮、不影响全局状态的交互图表。 表单。用 st.form 批量收集多个输入,仅在提交时重跑;输入相互依赖时不宜使用。 条件渲染。st.tabs、st.expander、st.popover 会始终渲染全部内容,需用 st.segmented_control、st.toggle 或 @st.dialog 配合条件逻辑按需渲染。 预计算与大数据。把聚合放到 SQL/dbt 或定时任务;约 1 亿行以下可用 cache_data 读 parquet,更大数据可用 cache_resource 避免序列化开销(但不要修改返回的 DataFrame),探索时可加载随机样本。 多线程。自定义线程不能调用 Streamlit 命令,需在后台线程取数、主线程展示;优先考虑 cache_data 或 fragment。

限制:资料未提供具体版本要求、性能基准或平台差异等细节。