至此，基于Tornado的Server-sentevents服务就搭建好了。
注意，这里只是简单的推送演示，真实场景下如果涉及IO操作，比如数据库读写或者网络请求之类，还需要单独封装异步方法。
SSE建立在HTTP协议上，使用基于文本的数据格式进行通信。客户端通过创建一个EventSource对象来与服务器建立连接，然后可以监听服务器发送的事件。服务器端可以随时将事件推送给客户端，客户端通过监听事件来接收这些数据。
随后在后台运行命令：
python3 sse_server.py
这里在前端的初始化方法内建立EventSource实例，通过onmessage方法来监听后端的主动推送：
不仅仅可以实现ChatGPT的流式返回功能，SSE在Web应用程序中的使用场景非常广泛，例如实时的新闻推送、实时股票报价、在线游戏等等，比起轮询和长轮询，SSE更加高效，因为只有在有新数据到达时才会发送；同时SSE支持自定义事件和数据，具有更高的灵活性和复用性，为流式数据返回保驾护航，ChatGPT的最爱，谁不爱？最后奉上项目地址，与众乡亲同飨：github.com/zcxey2911/sse_tornado6_vuejs3
客户端我们使用目前最流行的Vue.js3框架：
程序返回：
PS C:Usersliuyuewwwvideosite> python .sse_server.py
sse服务启动
Server-sentevents是一种用于实现服务器到客户端的单向通信的协议。使用SSE，服务器可以向客户端推送实时数据，而无需客户端发出请求。
与其他实时通信协议相比，Server-sentevents通信是一种轻量级协议，易于实现和部署。此外，它也具有广泛的浏览器兼容性，并且可以在不需要特殊网络配置的情况下使用。
建立好推送路由类ServerSentEvent，它继承Tornado内置的视类tornado.web.RequestHandler，首先利用super方法调用父类的初始化方法，设置跨域，如果不使用super，会将父类同名方法重写，随后建立异步的get方法用来链接和推送消息，这里使用Python原生异步的写法，每隔两秒往前端推送一个事件message,内容为pushdata。
说白了，降低成本，提高效率，ChatGPT是一个基于深度学习的大型语言模型，处理自然语言文本需要大量的计算资源和时间。返回响应的速度肯定比普通的读数据库要慢的多，Http接口显然并不合适，因为Http是一次性返回，等待时间过长，而Websocket又过重，因为全双工通信并不适合这种单项对话场景，所谓单项对话场景，就是对话双方并不会并发对话，而是串行的一问一答逻辑，同时持久化链接也会占用服务器资源，要知道ChatGPT几乎可以算是日均活跃用户数全球最高的Web应用了。
为什么ChatGPT会选择这种方式和后端Server进行通信？ChatGPT网页端使用Server-sentevents通信是因为这种通信方式可以实现服务器向客户端推送数据，而无需客户端不断地向服务器发送请求。这种推送模式可以提高应用程序的性能和响应速度，减少了不必要的网络流量。
在ChatGPT中，服务器会将新的聊天消息推送到网页端，以便实时显示新的聊天内容。使用Server-sentevents通信，可以轻松地实现这种实时更新功能，并确保网页端与服务器之间的通信效率和稳定性。
这里我们使用基于Python10的Tornado异步非阻塞框架来实现Server-sentevents通信。
可以看到，在触发了回答按钮之后，页面会往后端的backend-api/conversation对话接口发起请求，但这个接口的通信方式并非传统的http接口或者Websocket持久化链接协议，而是基于EventSteam的事件流一段一段地返回ChatGPT后端模型的返回数据。
另外这里假定前端onmessage处理程序的事件名称为message。如果想使用其他事件名称，可以使用前端addEventListener来订阅事件，最后消息后必须以两个换行为结尾。
前端Vue.js3链接Server-sentevents服务
首先打开ChatGPT网页端，随便问一个问题，然后进入网络选单，清空历史请求记录后，进行网络抓包监听：
首先安装Tornado框架
pip3 install tornado==6.1
随后编写sse_server.py:
import tornado.ioloop
import tornado.web
push_flag = True
from asyncio import sleep
class ServerSentEvent(tornado.web.RequestHandler):
def __init__(self, *args, **kwargs):
super(ServerSentEvent, self).__init__(*args, **kwargs)
self.set_header("Content-Type", "text/event-stream")
self.set_header("Access-Control-Allow-Origin", "*")
self.set_header("Access-Control-Allow-Headers","*")
# 请求方式
self.set_header("Access-Control-Allow-Methods","*")
# 断开连接
def on_finish(self):
print("断开连接")
return super().on_finish()
async def get(self):
print("建立链接")
while True:
if push_flag:
print("开始")
self.write("event: message
");
self.write("data:" + "push data" + "
");
self.flush()
await sleep(2)
效率层面，大型语言模型没办法一下子返回所有计算数据，但是可以通过Server-sentevents将前面计算出的数据先“推送”到前端，这样用户也不会因为等待时间过长而关闭页面，所以ChatGPT的前端观感就是像打字机一样，一段一段的返回答案，这种“边计算边返回”的生成器模式也提高了ChatGPT的回答效率。
随后编写路由和服务实例：
def make_app():
return tornado.web.Application([
(r"/sse/data/", ServerSentEvent),
])
if __name__ == "__main__":
app = make_app()
app.listen(8000)
print("sse服务启动")
tornado.ioloop.IOLoop.current().start()
文章为作者独立观点，不代表股票交易接口观点
相关文章
股民评论