项目使用flask框架，是个较复杂的推荐系统，需要从设定的各类数据源取（有些复杂的排序、过滤）推荐数据，大部分数据存取使用redis，经过常规优化后取数据控制在200ms以内。为进一步大幅度提升性能采用gevent作为并发框架，但是发现性能反而下降了大概25%，原来一个数据源就30ms,改造后上升到一两百毫秒都有，这是为什么？这种情况大家会怎么进一步调优了。(使用场景除了比较集中的取数据模块，其他地方还有零星用到gevent)
光阴似箭催人老，日月如移越少年。
這個問題有點複雜，建議題主將環境以及啟動參數，運行的進程數量，以及如何運行的情況介紹一下。
在沒有這些條件的情況下，我想以我自己的理解談一下這個問題，這個問題原意題主是想藉gevent 提高性能，但是發現性能反而降低，那麼這個時候需要考察一下性能在哪降低了。
題主衡量性能降低的標準是獲取數據的時間變長了，這裡我說一下個人的見解，首先，題主不知道了不了解gevent 的工作方式，gevent 的作用一條線程跑多個協程，適合多IO 操作，如果夾雜稍微多CPU 操作的，時間上就不好把握了，例如題主這裡，要求的是幾十ms 級別的，萬一你哪一個協程跑個一兩百ms 的CPU運算，那麼即使你其他協程IO再快也無濟於事。
而且，需要強調的是引入 gevent 不會加快獲取數據的速度，例如，原來是 30ms，引入之後不會變少，只會變多，那麼引入的好處是什麼？原來你能在1秒之內接待33個客戶端請求，引入之後可能可以接待100個/s，也可能接待 300個/s，這才是 gevent 的好處。
在不完全理解題主環境的情況下只能提這麼多建議，如果題主沒理解的話可以提供一下之前的說的信息進一步分析。
這個問題有點複雜，建議題主將環境以及啟動參數，運行的進程數量，以及如何運行的情況介紹一下。
在沒有這些條件的情況下，我想以我自己的理解談一下這個問題，這個問題原意題主是想藉gevent 提高性能，但是發現性能反而降低，那麼這個時候需要考察一下性能在哪降低了。
題主衡量性能降低的標準是獲取數據的時間變長了，這裡我說一下個人的見解，首先，題主不知道了不了解gevent 的工作方式，gevent 的作用一條線程跑多個協程，適合多IO 操作，如果夾雜稍微多CPU 操作的，時間上就不好把握了，例如題主這裡，要求的是幾十ms 級別的，萬一你哪一個協程跑個一兩百ms 的CPU運算，那麼即使你其他協程IO再快也無濟於事。
而且，需要強調的是引入 gevent 不會加快獲取數據的速度，例如，原來是 30ms，引入之後不會變少，只會變多，那麼引入的好處是什麼？原來你能在1秒之內接待33個客戶端請求，引入之後可能可以接待100個/s，也可能接待 300個/s，這才是 gevent 的好處。
在不完全理解題主環境的情況下只能提這麼多建議，如果題主沒理解的話可以提供一下之前的說的信息進一步分析。