关于Streamlit性能优化:缓存与状态管理实战

作者：

在

文章目录

Streamlit 是一个开源的 Python 库，专为快速构建数据科学和机器学习 Web 应用而设计。它无需前端开发经验，通过简单 API 即可创建交互式界面，适合原型开发和数据展示 Streamlit官方地址：Streamlit • A faster way to build and share data apps

极简代码：用纯 Python 实现界面交互实时预览：保存代码后自动刷新页面丰富组件：支持图表、表格、滑块、文件上传等无缝集成：兼容 Pandas、Matplotlib、PyTorch 等主流库安装Streamlit pip3 install streamlit 先通过一个简单的Hello World案例来了解Streamlit import streamlit as st # 显示标题 st.title(“Hello World,I’m echola”) # 显示文本 st.write(“这是一个由Streamlit搭建的Web平台”) 运行： streamlit run hello.py 结果：是不是很强悍，三行代码搞定一个Web应用
Streamlit 的运行逻辑围绕脚本的线性执行和响应式更新展开，其核心设计是让开发者以极简的方式构建交互式应用。以下是关键逻辑分步解析： 1、启动Web服务器 Streamlit 启动一个本地 Web 服务器，默认监听 8501 端口打开浏览器并导航到 http://localhost:8501，展示应用界面 2、解析和执行脚本： Streamlit 解析 hello.py 文件，生成抽象语法树（AST）动态执行脚本中的代码，按照顺序执行每个 Streamlit 组件（如 st.title 和 st.write） 3、组件渲染每个 Streamlit 组件（如 st.title 和 st.write）会被注册到当前页面的状态中页面会根据组件的顺序和内容进行渲染 4、实时更新：基于Websocket通信：浏览器与服务器保持长连接，脚本输出的文本、图表等实时推送至前端增量更新机制：Streamlit只能对比前后两次执行的输出差异，仅向浏览器发送差异部分，也就是只更新变化的部分（而非刷新整个页面），Streamlit 会自动重新运行政整个脚本（而非局部更新）并更新页面，确保了开发过程中的高效性和实时性上述增量更新可能会有一点矛盾，简而言之就是，「全脚本执行 + 差异更新」的设计，让 Streamlit 在开发便捷性（无需手动管理更新）和运行效率（局部渲染）之间取得了完美平衡
- ⚠️：也要避免全局作用域的冗余计算（需用缓存优化）下来使用一个简单的案例，来模拟Streamlit加载全脚本的耗时过程 import time import streamlit as st # 全脚本执行部分：以下代码每次交互都会运行 st.title(“TimeOut Example”) # ✅ 标题会重复渲染，但 Streamlit 会优化为”增量更新” # 局部增量执行：以下代码仅在按钮点击时触发 if st.button(“Click me”): processing_bar = st.progress(0) # 每次点击时新建进度条 with st.spinner(“Loading…”): for percent_complete in range(100): time.sleep(0.05) processing_bar.progress(percent_complete + 1) st.success(“Loading completed!”) 当用户点击按钮时，触发 if 条件判断，显示加载提示框 "Loading…"。开始模拟耗时操作，通过循环和 time.sleep 模拟耗时。每次循环中，更新进度条的值，进度条从0%逐渐增加到100% 直至耗时完成5s后，隐藏加载提示框，显示成功消息框”Loading completed“ 再次点击【Click me】，重复上述效果图可以从上述效果中看出，无论是页面首次加载、按钮点击，还是其他组件交互（如下拉框选择），Streamlit都会从头到尾重新执行整个脚本虽然脚本会全量执行，但Streamlit内部通过智能的组件状态管理和缓存机制，只更页面中发生变化的部分（如按钮触发的进度条），而不是刷新整个页面接下来会使用缓存机制进行优化
- 可以高效渲染（减少网络传输数据量和浏览器渲染开销）和无缝体验（用户输入状态，如：文本框焦点、滚动条位置，不会因为局部更新而丢失） ⚠️：也要关注复杂UI的组件键（Key）的稳定性

通过缓存机制减少重复计算，结合 st.session_state 管理会话状态，Streamlit 可以高效处理复杂交互场景，同时保持代码简洁和用户体验流畅。这种优化策略尤其适合需要频繁交互、状态保持或耗时操作的 Web 应用开发以上为个人经验，希望能给大家一个参考，也希望大家多多支持风君子博客。您可能感兴趣的文章: Python使用Streamlit打造高效的测试数据生成器 Python基于Streamlit实现音频处理示例详解 Python使用Streamlit快速构建一个数据应用程序 Python Streamlit实现文件的上传和下载功能 Python streamlit构建令人惊叹的可视化Web高级主题界面 Python Streamlit制作交互式可视化网页应用实例

Streamlit 是一个开源的 Python 库，专为快速构建数据科学和机器学习 Web 应用而设计。它无需前端开发经验，通过简单 API 即可创建交互式界面，适合原型开发和数据展示

Streamlit官方地址：Streamlit • A faster way to build and share data apps

极简代码：用纯 Python 实现界面交互
实时预览：保存代码后自动刷新页面
丰富组件：支持图表、表格、滑块、文件上传等
无缝集成：兼容 Pandas、Matplotlib、PyTorch 等主流库

安装Streamlit

pip3 install streamlit

先通过一个简单的Hello World案例来了解Streamlit

import streamlit as st

# 显示标题
st.title("Hello World,I'm echola")

# 显示文本
st.write("这是一个由Streamlit搭建的Web平台")

运行：

 streamlit run hello.py

结果：

是不是很强悍，三行代码搞定一个Web应用

Streamlit 的运行逻辑围绕脚本的线性执行和响应式更新展开，其核心设计是让开发者以极简的方式构建交互式应用。以下是关键逻辑分步解析：

1、启动Web服务器

Streamlit 启动一个本地 Web 服务器，默认监听 8501 端口

打开浏览器并导航到 http://localhost:8501，展示应用界面

2、解析和执行脚本：

Streamlit 解析 hello.py 文件，生成抽象语法树（AST）

动态执行脚本中的代码，按照顺序执行每个 Streamlit 组件（如 st.title 和 st.write）

3、组件渲染

每个 Streamlit 组件（如 st.title 和 st.write）会被注册到当前页面的状态中

页面会根据组件的顺序和内容进行渲染

4、实时更新：

基于Websocket通信：浏览器与服务器保持长连接，脚本输出的文本、图表等实时推送至前端

增量更新机制：Streamlit只能对比前后两次执行的输出差异，仅向浏览器发送差异部分，也就是只更新变化的部分（而非刷新整个页面），Streamlit 会自动重新运行政整个脚本（而非局部更新）并更新页面，确保了开发过程中的高效性和实时性

上述增量更新可能会有一点矛盾，简而言之就是，「全脚本执行 + 差异更新」的设计，让 Streamlit 在开发便捷性（无需手动管理更新）和运行效率（局部渲染）之间取得了完美平衡

⚠️：也要避免全局作用域的冗余计算（需用缓存优化）

下来使用一个简单的案例，来模拟Streamlit加载全脚本的耗时过程

import time
import streamlit as st

# 全脚本执行部分：以下代码每次交互都会运行
st.title("TimeOut Example")  # ✅ 标题会重复渲染，但 Streamlit 会优化为"增量更新"

# 局部增量执行：以下代码仅在按钮点击时触发
if st.button("Click me"):
    processing_bar = st.progress(0)  # 每次点击时新建进度条
    with st.spinner("Loading..."):
        for percent_complete in range(100):
            time.sleep(0.05)
            processing_bar.progress(percent_complete + 1)
    st.success("Loading completed!")

当用户点击按钮时，触发 if 条件判断，显示加载提示框 "Loading…"。开始模拟耗时操作，通过循环和 time.sleep 模拟耗时。每次循环中，更新进度条的值，进度条从0%逐渐增加到100%

直至耗时完成5s后，隐藏加载提示框，显示成功消息框”Loading completed“

再次点击【Click me】，重复上述效果图

可以从上述效果中看出，无论是页面首次加载、按钮点击，还是其他组件交互（如下拉框选择），Streamlit都会从头到尾重新执行整个脚本

虽然脚本会全量执行，但Streamlit内部通过智能的组件状态管理和缓存机制，只更页面中发生变化的部分（如按钮触发的进度条），而不是刷新整个页面

接下来会使用缓存机制进行优化

可以高效渲染（减少网络传输数据量和浏览器渲染开销）和无缝体验（用户输入状态，如：文本框焦点、滚动条位置，不会因为局部更新而丢失）

⚠️：也要关注复杂UI的组件键（Key）的稳定性

问题：每次点击click按钮时，代码会从执行整个耗时操作（for循环+time.sleep）,即使操作结果不变

缓存的作用：将耗时操作的结果缓存起来，后续重复调用时直接读取缓存，避免重复计算

解决重复计算问题：通过装饰器@st.cache_data（缓存数据）或@st.cache_resource（缓存资源如模型、数据库连接），避免脚本执行导致的重复计算

@st.cache_data
def heavy_computation():
    # 此函数仅在输入参数或代码变更时重新执行
    return result

那优化一下上面提到的问题

import time
import streamlit as st

st.title("Optimize Example")

# 缓存耗时操作的结束（假设操作是无参数）
@st.cache_data
def expensive_operation():
    # 模拟耗时操作（例如：数据计算）
    result = []
    for _ in range(100):
        time.sleep(0.05)  # 假设这是实际的计算步骤
        result.append(_)  # 模拟中间结果
    return result

if st.button("Click me"):
    processing_bar = st.progress(0)  # 每次点击时新建进度条
    with st.spinner("Loading..."):
        # 获取数据（首次点击执行耗时操作，后续点击直接读缓存）
        data = expensive_operation()
        for percent_complete in range(len(data)):
            processing_bar.progress(percent_complete + 1)
    st.success("Loading completed!")

首次点击【Click me】，会出现

大概5s后，执行完成

重复点击【Click me】 ，不会重复加载进度条，由于直接读取缓存结果，无需重复计算，数据已缓存，进度条会快速更新到100%

通过 @st.cache_data 装饰器缓存耗时操作的结果，避免每次点击按钮时都重新执行耗时操作

不是所有耗时操作都必须使用缓存

需要缓存的场景：

耗时操作的结果是 静态的（例如读取文件、初始化模型、复杂计算）。
操作结果 不依赖外部变量或用户输入。

不适用缓存场景：

操作结果 依赖动态参数（例如用户输入的变量），此时需通过函数参数触发缓存更新。
操作需要 实时更新（例如每次点击都需重新计算）

如果耗时操作 依赖参数，可以通过函数参数控制缓存版本：

@st.cache_data
def expensive_operation(param1, param2):
    # 根据参数执行不同计算
    results = []
    for _ in range(100):
        time.sleep(0.05)
        results.append(param1 + param2 + _)
    return results

# 在按钮点击时传入参数
data = expensive_operation(10, 20)  # 参数不同会生成不同缓存

可以看出：

缓存机制：通过 @st.cache_data 缓存静态计算结果，减少重复执行。
进度条优化：将耗时操作与进度条更新分离，首次加载缓存后，后续交互可快速完成

那上述代码就没有什么问题了吗？

⚠️接下来分析原代码存在的弊端：

进度条重复创建：每次点击按钮都会新建processing_bar，导致多次点击时进度条堆叠
无法阻止重复提交：在耗时操作执行期间，用户仍可多次点击按钮，导致逻辑混乱
状态丢失：进度完成后的状态（如success提示）无法持久化

1、保存进度条实例

if "processing_bar" not in st.session_state:
    st.session_state.processing_bar = None  # 初始化进度条容器

if st.button("Click me"):
    # 仅在第一次点击时创建进度条
    if not st.session_state.processing_bar:
        st.session_state.processing_bar = st.progress(0)
    
    # 后续操作复用已有进度条
    with st.spinner("Loading..."):
        data = expensive_operation()
        for i in range(len(data)):
            st.session_state.processing_bar.progress(i + 1)
    
    # 完成后清空引用
    st.session_state.processing_bar = None
    st.success("Done!")

2. 防止重复提交

if "is_processing" not in st.session_state:
    st.session_state.is_processing = False  # 状态锁

if st.button("Click me") and not st.session_state.is_processing:
    st.session_state.is_processing = True  # 锁定
    try:
        # 执行耗时操作...
    finally:
        st.session_state.is_processing = False  # 释放

3. 持久化完成状态

if "load_complete" not in st.session_state:
    st.session_state.load_complete = False

if st.button("Click me"):
    # 执行操作...
    st.session_state.load_complete = True

if st.session_state.load_complete:
    st.success("数据已加载完成！")
    st.balloons()  # 显示动画效果

完整优化代码

import time
import streamlit as st

st.title("Optimized Example")

# 初始化会话状态
if "processing_bar" not in st.session_state:
    st.session_state.processing_bar = None
if "is_processing" not in st.session_state:
    st.session_state.is_processing = False
if "load_complete" not in st.session_state:
    st.session_state.load_complete = False

@st.cache_data
def expensive_operation():
    result = []
    for _ in range(100):
        time.sleep(0.05)
        result.append(_)
    return result

if st.button("Click me") and not st.session_state.is_processing:
    st.session_state.is_processing = True
    try:
        # 创建或复用进度条
        if not st.session_state.processing_bar:
            st.session_state.processing_bar = st.progress(0)
        
        with st.spinner("Loading..."):
            data = expensive_operation()
            for i in range(len(data)):
                st.session_state.processing_bar.progress(i + 1)
            
            st.session_state.load_complete = True
    finally:
        st.session_state.is_processing = False
        st.session_state.processing_bar = None  # 重置进度条

if st.session_state.load_complete:
    st.success("操作成功！")
    st.balloons()

关键作用总结

会话状态项	功能说明
processing_bar	保持进度条对象引用，防止重复创建
is_processing	实现类似互斥锁，防止重复提交
load_complete	持久化完成状态，实现跨脚本执行记忆

通过 st.session_state 实现了：

状态持久化：在 Streamlit 的全脚本重执行机制中保持关键状态
资源管理：避免 DOM 元素重复创建
交互安全：防止用户误操作导致的逻辑冲突

这种模式特别适合需要保持复杂交互状态的场景（如多步骤表单、长任务处理）

通过缓存机制减少重复计算，结合 `st.session_state` 管理会话状态，Streamlit 可以高效处理复杂交互场景，同时保持代码简洁和用户体验流畅。

这种优化策略尤其适合需要频繁交互、状态保持或耗时操作的 Web 应用开发

以上为个人经验，希望能给大家一个参考，也希望大家多多支持风君子博客。

您可能感兴趣的文章:

Python使用Streamlit打造高效的测试数据生成器

Python基于Streamlit实现音频处理示例详解

Python使用Streamlit快速构建一个数据应用程序

Python Streamlit实现文件的上传和下载功能

Python streamlit构建令人惊叹的可视化Web高级主题界面

Python Streamlit制作交互式可视化网页应用实例

华夏福临门盛世加强版怎么样？产品责任是重中之重

国寿福庆典版值得买吗？附投保建议

理财中低风险是几级？中低风险理财会亏吗

瑞泰泰安心防癌险优缺点是什么？这份分析不容错过

2020最新自助免费申请Office365教育版，免费5TOneDrive云盘详细图文教程

MacBook怎么绕过BootCamp安装Win10双系统？

国内知名的前端博客

域名为什么会被墙？如何检测域名是否被墙？域名被墙如何处理？

最新的windows xp sp3产品密匙 xp sp3序列号 xp sp3激活码

关于Streamlit性能优化:缓存与状态管理实战

目录

可以高效渲染（减少网络传输数据量和浏览器渲染开销）和无缝体验（用户输入状态，如：文本框焦点、滚动条位置，不会因为局部更新而丢失） ⚠️：也要关注复杂UI的组件键（Key）的稳定性

更多文章

站内搜索

标签云

热门文章

友情链接

可以高效渲染（减少网络传输数据量和浏览器渲染开销）和无缝体验（用户输入状态，如：文本框焦点、滚动条位置，不会因为局部更新而丢失）

⚠️：也要关注复杂UI的组件键（Key）的稳定性