Python Dash多页应用全局变量存储的数据是否可保持持久有效？

现有实现的稳定性结论 #

如果仅在单进程、单用户场景下使用，你当前的实现完全可以放心使用，data_store不会被垃圾回收意外清理：

• Python的模块级全局变量在模块被导入后，只要应用进程未终止，引用计数始终大于0，GC不会主动回收对应的内存空间
• 你在projects.py中导入data_store的操作会进一步增加该实例的引用计数，不存在被意外释放的可能

潜在风险说明 #

这套实现仅适合个人本地使用，一旦涉及多用户访问或者生产部署，会出现严重问题：

1. 多进程部署数据不共享
   若使用gunicorn、uWSGI等WSGI服务器开启多worker部署，每个worker会独立加载全部项目代码，拥有专属的内存空间和data_store实例，不同用户的请求分发到不同worker时，会出现数据不存在、数据不一致的问题。
2. 多用户数据串扰
   全局变量是所有访问用户共享的，用户A加载了自己的数据后，其他所有访问用户都能直接拿到A的数据，没有任何用户隔离性。
3. 进程重启数据丢失
   开发模式下的热重载、生产环境的服务重启，都会清空内存中所有data_store存储的数据。

优化方案 #

如果需要适配多用户、生产场景，可以根据数据量选择合适的方案：

• 单条数据量小于10MB：使用Dash自带的dcc.Store组件，将数据序列化后存储在用户浏览器端，天然隔离不同用户的数据，不占用服务端内存
• 数据量较大：使用Redis、SQLite等独立存储服务持久化数据，也可以接入Dash底层Flask框架的Flask-Caching插件实现服务端全局共享缓存

内容的提问来源于stack exchange，提问作者perza