Streamlit性能优化：缓存与状态管理实战

📌 核心特性

📌 运行原理

（1）全脚本执行

（2）差异更新

📌 缓存机制

❓为什么使用缓存？

使用@st.cache_data的优化方案

缓存适用场景

使用st.session_state的优化方案

📌总结

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

📌 核心特性

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

📌 运行原理

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

（1）全脚本执行

⚠️：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

（2）差异更新

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

📌 缓存机制

❓为什么使用缓存？

🔴 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

使用@st.cache_data的优化方案

那优化一下上面提到的问题

import time
import streamlit as stst.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 resultif 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

缓存适用场景

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

使用st.session_state的优化方案

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 = Nonest.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 = Falseif st.button("Click me"):# 执行操作...st.session_state.load_complete = Trueif 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 stst.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 resultif st.button("Click me") and not st.session_state.is_processing:st.session_state.is_processing = Truetry:# 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 = Truefinally:st.session_state.is_processing = Falsest.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：