Heroku部署的Dash应用如何每次刷新都读取Google Cloud Storage更新的CSV

核心原因 #

你当前将CSV读取逻辑写在了全局作用域，Dash服务启动时仅会执行一次全局代码，后续所有用户访问、页面刷新都不会重新执行这部分逻辑，因此只能读取到部署时的文件版本。

可行实现方案 #

方案1：将数据读取逻辑绑定到页面刷新触发的回调中 #

这是满足你「每次浏览器刷新重新读取文件」需求的最直接方案：

1. 首先在布局中引入dcc.Location组件，该组件的pathname属性会在每次页面加载/刷新时触发回调
2. 将数据读取逻辑封装为独立函数，放到回调内部执行，每次回调触发时就会重新拉取GCS上的最新文件
3. 可以配合dcc.Store组件将读取到的数据缓存到用户浏览器端，同一用户的同一会话内的回调可以复用这份数据，避免重复拉取

示例代码如下：

import dash
from dash import dcc, html, Input, Output, callback
import pandas as pd

app = dash.Dash(__name__)

# 布局里加入dcc.Location和dcc.Store
app.layout = html.Div([
    dcc.Location(id='url'),
    dcc.Store(id='csv-data'),
    # 其他你的原有页面组件
    html.Div(id='output-content')
])

# 封装CSV读取函数
def load_gcs_csv():
    return pd.read_csv("gs://bucket_name/file_name.csv")

# 页面刷新触发的回调：读取最新数据并存到dcc.Store
@callback(
    Output('csv-data', 'data'),
    Input('url', 'pathname')
)
def refresh_data_on_load(pathname):
    df = load_gcs_csv()
    # 把DataFrame转成json格式存在前端
    return df.to_dict('records')

# 其他业务回调从dcc.Store取数据即可
@callback(
    Output('output-content', 'children'),
    Input('csv-data', 'data')
)
def render_content(data):
    df = pd.DataFrame(data)
    # 你的业务渲染逻辑
    return f"当前数据共{len(df)}行"

if __name__ == '__main__':
    app.run_server()

方案2：增加文件变更校验优化读取效率 #

如果你的CSV文件更新频率不高，每次刷新都拉取全量文件会浪费资源，可以先校验GCS文件的更新状态，仅当文件变更时才重新读取：

• 调用GCS的API获取目标文件的updated时间或者md5Hash值
• 服务端缓存上一次拉取的文件元信息和数据，每次请求时先对比元信息，一致则直接返回缓存数据，不一致再重新拉取

注意事项 #

• 不要在全局作用域定义需要动态更新的DataFrame变量，所有动态数据都应该从回调、缓存或者前端存储中获取
• 如果你的应用访问量较大，可以配合服务端缓存组件（比如Flask-Caching）进一步优化性能，减少重复的GCS请求开销
• 部署到Heroku时无需额外修改配置，原有GCS访问权限配置可直接复用

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