Django使用threading启动循环任务仍阻塞HTTP请求的原因查询

以下是价格监控模块的代码：

import threading
import time
import pandas as pd

from binance.client import Client
import json

from api_create_alert.models import Alerts
from service_get_data.get_api_secret import get_secret

alerts = Alerts.objects.all().values()
df = pd.DataFrame(alerts)

data = get_secret()
data = json.loads(data)
client = Client(data['BINANCE_PUBLIC_API'], data['BINANCE_SECRET_API'])

def price_watch():
    interval = 10

    while True:
        coins = client.get_all_tickers()

        for coin in coins:
            symbol = coin['symbol']
            price = float(coin['price'])
            rows = df[((df.symbol == symbol) & (df.direction == 'ABOVE') & (price > df.price)) | ((df.symbol == symbol) & (df.direction == 'BELOW') & (price < df.price))]

            if len(rows) > 0:
                print(rows)

        time.sleep(interval)

thread = threading.Thread(target=price_watch)
thread.start()

我在apps.py中按如下方式导入该模块，在服务启动时运行任务：

def ready(self):
    if os.environ.get("RUN_MAIN") == "true":
        import service_price_watch.price_watch

该任务是每10秒执行一次的循环，但实际运行时每次循环启动，Django应用都会被阻塞，无法响应任何HTTP请求，直到循环执行完毕才恢复。我已经使用了threading模块启动任务，该模块的作用不就是实现异步操作吗？请问为什么还会出现阻塞请求的情况？

• Python的线程受全局解释器锁（GIL）限制，同一时间只有一个线程能执行Python字节码。你代码中每次循环要遍历币安返回的上千个交易对，还要执行pandas全局筛选，属于CPU密集型操作，会长时间占用GIL，导致处理HTTP请求的主线程拿不到执行权限，出现阻塞。
• Django默认的开发服务器（runserver）默认是单线程运行模式，所有请求和后台线程共享同一个进程的CPU资源，进一步放大了阻塞效应。
• 你创建的线程没有设置为守护线程，虽然不是直接导致阻塞的原因，但会出现Django进程退出后子线程仍残留的问题。
• 额外的隐藏问题：你的告警规则DataFrame是在模块导入时一次性查询生成的，后续用户新增、修改、删除告警规则都不会同步到内存中的df，监控逻辑永远使用服务启动时的旧规则。

1. 修复线程配置 #

创建线程时添加daemon=True参数，确保主进程退出时子线程同步销毁：

thread = threading.Thread(target=price_watch, daemon=True)
thread.start()

2. 启用Django开发服务器多线程模式 #

启动服务时添加--threaded参数，让主线程可以独立处理HTTP请求：

python manage.py runserver --threaded

3. 优化监控逻辑降低CPU占用 #

把告警规则按交易对分组存储，避免每次循环全局遍历pandas表，同时每次循环刷新告警规则：

def price_watch():
    interval = 10
    while True:
        # 每次循环刷新最新告警规则
        alerts = Alerts.objects.all().values()
        df = pd.DataFrame(alerts)
        # 按交易对分组生成规则字典，减少后续筛选开销
        alert_map = df.groupby('symbol').apply(lambda x: x.to_dict('records')).to_dict()
        
        coins = client.get_all_tickers()
        for coin in coins:
            symbol = coin['symbol']
            price = float(coin['price'])
            # 仅处理有告警规则的交易对
            if symbol not in alert_map:
                continue
            for rule in alert_map[symbol]:
                if (rule['direction'] == 'ABOVE' and price > rule['price']) or (rule['direction'] == 'BELOW' and price < rule['price']):
                    print(f"触发告警：{symbol} 价格{price} 达到{rule['direction']} {rule['price']}")
        
        time.sleep(interval)

4. 生产环境替代方案 #

如果是线上部署，不要用内置threading做后台常驻任务，改用成熟的任务调度框架：

• 定时任务场景可以用Celery Beat + Redis/RabbitMQ
• 轻量场景可以用Django-Q、APScheduler集成到Django中

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