修改启动命令为 Gunicorn，添加 Gunicorn 配置文件，移除 Uvicorn 启动逻辑，更新依赖项以支持 Gunicorn

Dockerfile

@@ -44,4 +44,5 @@ RUN --mount=type=secret,id=HF_Token,mode=0444,required=true \
 #	git clone $(cat /run/secrets/HF_Token)
 
 
-CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860", "--workers", "3"]
+# 修改启动命令，使用配置文件
+CMD ["gunicorn", "app:app", "-c", "gunicorn.conf.py"]

app.py

@@ -63,6 +63,3 @@ async def root():
     return {"message": "Welcome to the API. Use /api/aaa or /api/bbb for processing."}
 
 
-if __name__ == "__main__":
-    import uvicorn
-    uvicorn.run(app, host="0.0.0.0", port=7860)

gunicorn.conf.py

@@ -0,0 +1,36 @@
+import multiprocessing
+
+# 监听地址和端口
+bind = "0.0.0.0:7860"
+
+# 工作进程数，这里设置为 CPU 核心数 * 2 + 1
+workers = min(multiprocessing.cpu_count() + 1, 3)
+
+# 工作方式
+# 方案1: 使用 Uvicorn 的 worker (推荐)
+worker_class = "uvicorn.workers.UvicornWorker"
+
+# 方案2: 使用 Uvicorn 的 worker 并开启 HTTP/2
+# worker_class = "uvicorn.workers.UvicornH2Worker"
+
+# 方案3: 使用传统的同步 worker (不推荐，会损失 FastAPI 的异步特性)
+# worker_class = "sync"
+
+# 超时时间
+timeout = 300
+
+# 并发客户端最大数量
+worker_connections = 1000
+
+# 进程名称前缀
+proc_name = 'gunicorn_fastapi'
+
+# 访问日志文件
+accesslog = "access.log"
+access_log_format = '%(h)s %(l)s %(u)s %(t)s "%(r)s" %(s)s %(b)s "%(f)s" "%(a)s"'
+
+# 错误日志文件
+errorlog = "error.log"
+
+# 日志级别
+loglevel = "info"

requirements.txt

@@ -18,3 +18,4 @@ tensorflow==2.16.2
 pydantic==2.9.2
 pydantic_core==2.23.4
 nltk
+gunicorn