如何将计算分流至后台进程以避免Streamlit应用阻塞？

针对你遇到的慢计算阻塞整个Streamlit应用的问题，推荐使用线程+Session State的方案，让非核心的慢计算在后台运行，不阻塞核心内容的展示，计算完成后自动更新对应UI。

修改后的完整代码 #

import streamlit as st
import threading

def slow_function(input_text):
    # 模拟慢计算逻辑（实际替换成你的业务代码）
    import time
    time.sleep(5)
    return len(input_text) * 2

def fast_function(input_text):
    # 核心快速计算逻辑
    return len(input_text)

# 初始化Session State，存储慢计算结果
if "slow_result" not in st.session_state:
    st.session_state.slow_result = None

input_text = st.text_area('Paste your text here')
c1, c2 = st.columns(2)

with c1:
    # 核心内容立刻渲染，不阻塞
    st.metric('Important', fast_function(input_text))

with c2:
    # 创建可更新的UI占位符
    slow_metric_placeholder = st.empty()

    if st.session_state.slow_result is None:
        # 初始状态显示加载提示
        slow_metric_placeholder.metric('Less Important', '计算中...')

        # 定义后台计算的函数
        def run_background_calc():
            # 执行慢计算
            result = slow_function(input_text)
            # 将结果存入Session State
            st.session_state.slow_result = result
            # 触发应用重新运行，更新UI
            st.experimental_rerun()

        # 启动后台线程，不阻塞主线程
        threading.Thread(target=run_background_calc, daemon=True).start()
    else:
        # 慢计算完成后，展示结果
        slow_metric_placeholder.metric('Less Important', st.session_state.slow_result)

    # 可选：添加重置按钮，允许用户重新触发慢计算
    if st.button('重新计算次要指标'):
        st.session_state.slow_result = None
        st.experimental_rerun()

方案核心逻辑说明 #

1. Session State 存储结果：用st.session_state保存慢计算的结果，跨Streamlit的运行周期保留状态，避免重复计算。
2. 后台线程执行慢计算：通过threading.Thread启动后台线程运行slow_function，主线程继续渲染核心内容，不会被阻塞。
3. 占位符动态更新UI：用st.empty()创建可动态更新的占位，初始显示加载状态，等后台计算完成后，通过st.experimental_rerun()触发应用重新渲染，展示最终结果。
4. 线程守护设置：线程设置daemon=True，确保关闭Streamlit应用时后台线程自动终止，避免资源泄漏。

注意事项 #

• 该方案更适合IO密集型的慢操作（比如调用外部API、读取大文件）；如果是CPU密集型计算，建议结合多进程实现，但Streamlit对多进程的支持不如线程友好，需额外注意状态同步问题。
• 避免在多个线程中同时修改st.session_state，本方案中只有一个线程更新指定状态，不存在冲突风险。

内容的提问来源于stack exchange，提问作者MYK