Azure App Service上Python代码运行速度比本地慢10倍的排查建议

正则函数本身的优化 #

• 预编译正则表达式：原函数每次调用都会重新生成正则字符串并编译，这在Azure环境中会放大编译开销。借助functools.lru_cache缓存预编译的正则对象，复用已编译结果，避免重复编译的CPU消耗。
• 优化模糊匹配逻辑：{e<%i}的模糊匹配属于CPU密集型操作，错误允许数设为4时会大幅增加计算量。若业务允许，尝试降低错误允许数；或者先用Levenshtein距离做快速过滤，仅对相似度较高的文本执行正则模糊匹配，减少不必要的计算。
• 移除不必要的IO操作：生产环境中print语句会触发日志IO，Azure的日志输出延迟远高于本地。替换为logging模块，并在生产环境关闭debug级别的日志输出。

Azure App Service环境优化 #

• 升级实例规格：若使用免费/基础层实例，CPU、内存资源受限会严重限制正则计算性能。升级至Standard及以上规格的实例，提升CPU算力。
• 开启Always On：免费层实例会自动休眠，首次请求会触发冷启动导致响应延迟。开启App Service的“始终开启”选项，避免冷启动开销。
• 对齐依赖版本：确保Azure环境的Python版本、regex库版本与本地完全一致，不同版本的正则库性能差异显著。
• 启用诊断日志：虽然常规指标无异常，但开启应用服务的详细诊断日志，追踪函数执行时的CPU、内存实时占用，排查隐藏的资源瓶颈。
• 尝试容器部署：将Django应用打包为Docker容器，部署到Azure App Service容器版或Azure Container Apps，自定义运行环境更贴近本地，减少平台环境差异带来的性能损耗。

优化后的示例代码 #

import functools
import regex

@functools.lru_cache(maxsize=128)
def _get_compiled_regex(phrase, errors_allowed, ignore_case):
    flags = regex.IGNORECASE if ignore_case else 0
    search_str = "(%s){e<%i}" % (phrase, errors_allowed)
    return regex.compile(search_str, flags=flags)

def check_regex(voice_input, phrase, errors_allowed=4):
    compiled_re = _get_compiled_regex(phrase, errors_allowed, True)
    regex_result = compiled_re.search(voice_input)
    return regex_result is not None

内容的提问来源于stack exchange，提问作者user2154589