尝试了太多的python多进程的服务，在tensorflow 的线上GPU服务中总是不理想。tensorlfow serving docker服务这些也有些不便。
今天抽空给大家分享一个成功的经验。失败的坑就太多了，不扯了。包括mutiprocess 和gevent，都不太理想。
1、使用gunicorn。怎么使用的自己查一下。
2、gunicorn --bind 0.0.0.0:10010 -w 3 app_×××:app
3、在docker里这样启动后，虽然是多进程，但是速度并没有加快。怎么办？非常简单启动命令加上 --worker-class gevent。
gunicorn --bind 0.0.0.0:10010 -w 3 --worker-class gevent app_***:app
了解gunicorn的详情的可以参看下面的文字：
一、
创建flask应用
文件名 abc.py
# -*- coding:utf-8 -*-
from flask import Flask
import time
app = Flask(__name__)
@app.route('/')
def index():
time.sleep(0.01) # 模拟程序阻塞
return 'hello world!'
if __name__ == '__main__':
app.run()二、
执行命令
gunicorn --bind 0.0.0.0:10010 -w 3 --worker-class gevent abc:app
#gunicorn --workers 3 --bind unix:myproject.sock --daemon -m 007 --user www-data --worker-class gevent wsgi:app
--worker-class 进行工作模式，默认是sync，会造成程序阻塞，这里使用gevent。--workers 指定启动多少个进程，根据机器cpu核数来定。--bind 指定通讯绑定到哪个.sock文件上。--daemon 指定后台启动。--user 指定用哪个用户启动这个进程，由于ubuntu采用apt-get安装的nginx默认启动用户是www-data，所以这里使用www-data，以免nginx没有权限访问.sock文件。
可使用top指令查看gunicorn程序启动情况：
参考：
https://www.jianshu.com/p/f5c271d95e39