Python Flask应用处理大数据时冻结，寻求优化建议

核心问题原因 #

你的Flask应用处理大数据集时冻结，本质是采用了暴力枚举所有数字组合的逻辑（时间复杂度O(2ⁿ)），当输入值数量达到100时，计算量呈指数级爆炸，无法在合理时间内完成，同时阻塞了Flask单线程的请求处理流程，导致整个应用无响应。

具体改进方案 #

1. 替换为高效的子集和算法（动态规划） #

放弃暴力枚举，改用动态规划求解子集和问题，时间复杂度优化为O(n×target)，可轻松支持100个以上输入值：

def find_combinations(nums, target):
    # 预处理：去重+排序，减少重复计算
    nums = sorted(list(set(nums)))
    # dp[i]存储所有和为i的数字组合
    dp = [[] for _ in range(target + 1)]
    dp[0] = [[]]
    
    for num in nums:
        # 倒序遍历避免重复使用同一元素（允许重复则改为正序）
        for i in range(target, num - 1, -1):
            for combo in dp[i - num]:
                dp[i].append(combo + [num])
    
    # 去重重复组合
    unique_combinations = []
    seen = set()
    for combo in dp[target]:
        sorted_combo = tuple(sorted(combo))
        if sorted_combo not in seen:
            seen.add(sorted_combo)
            unique_combinations.append(list(sorted_combo))
    
    return unique_combinations

2. 实现异步请求处理，避免应用冻结 #

Flask默认单线程模式下，长时间计算会阻塞所有请求。用Celery+Redis实现异步任务，让用户提交请求后等待结果，而非页面卡死：

• 安装依赖：pip install celery redis
• 核心代码配置：

# celery_config.py
from celery import Celery

def make_celery(app):
    celery = Celery(
        app.import_name,
        backend='redis://localhost:6379/0',
        broker='redis://localhost:6379/0'
    )
    celery.conf.update(app.config)
    return celery

# app.py
from flask import Flask, request, jsonify
from celery_config import make_celery

app = Flask(__name__)
app.config['CELERY_BROKER_URL'] = 'redis://localhost:6379/0'
app.config['CELERY_RESULT_BACKEND'] = 'redis://localhost:6379/0'
celery = make_celery(app)

@celery.task
def compute_combinations_task(nums, target):
    return find_combinations(nums, target)

@app.route('/submit', methods=['POST'])
def submit():
    data = request.json
    nums = data['nums']
    target = data['target']
    task = compute_combinations_task.delay(nums, target)
    return jsonify({'task_id': task.id})

@app.route('/result/<task_id>')
def get_result(task_id):
    task = compute_combinations_task.AsyncResult(task_id)
    if task.state == 'SUCCESS':
        return jsonify({'result': task.result})
    else:
        return jsonify({'state': task.state})

3. 前端配套优化 #

修改输入页面，提交请求后显示加载动画，通过轮询/result/<task_id>接口获取计算结果，避免页面无响应。

4. PythonAnywhere部署适配 #

• 启用Redis服务：在PythonAnywhere控制台启动Redis，或使用平台提供的Redis附加服务
• 启动Celery worker：后台执行命令celery -A app.celery worker --loglevel=info
• 替换Flask内置服务器：用Gunicorn部署，命令为gunicorn app:app，支持多线程处理请求

额外优化建议 #

• 输入预处理：自动过滤大于目标值的数字，减少无效计算
• 结果分页：若组合数量过多，返回分页结果，降低前端渲染压力
• 进度提示：在Celery任务中记录计算进度，前端实时显示进度状态

内容的提问来源于stack exchange，提问作者koravik