FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

工具

Streamlit 一个下午搞定演示,之后便撞上天花板

整个脚本重跑让演示做得快,状态和权限却是它的短板,三个信号提示该换架构。

一位演讲者在 BarCamp Yerevan 2023 上介绍 Streamlit,身后屏幕上 Streamlit 的标志与 OpenAI 的标志并排显示。
图片:Benoît Prieur / CC0
分享微博

要点速览

  • Streamlit 在界面需要更新时重跑整个脚本,所以演示做得快,也正因如此,复杂应用很快会撞上天花板
  • st.cache_data 能让耗时的数据加载函数不必每次点击都重跑;而 Session State 在用户刷新标签页后就会清空
  • st.login 通过 OIDC 提供身份认证,但不提供授权;企业客户一旦需要基于角色的访问控制,就该换架构了
横向条形图,比较文中物流示例的总等待时间。不使用缓存时,十次更改筛选条件约耗时 80 秒;使用 @st.cache_data 后,只有第一次运行需要 8 秒。
文中的假设示例:读取订单文件的函数约需 8 秒,客户更改筛选条件 10 次。用 @st.cache_data 包装后,只有第一次运行需要等待。来源:本文示例,依据 Streamlit 官方文档中关于重跑与缓存机制的说明。

据官方文档,每当界面需要更新,Streamlit 都会把整个 Python 脚本从第一行到最后一行重新运行一遍。正是这个设计,让你能在一个下午做出客户演示;这也是应用一旦要承担查看数据之外的需求,就会撞上天花板的原因之一。

对前线部署工程师(FDE)来说,这不是纸上谈兵。在客户现场,第一周最需要的往往是一个跑在真实数据上的界面,让业务方能点一点、提意见。弄清 Streamlit 擅长什么、在哪里会出问题,才能向客户做出兑现得了的承诺。

它本来是为什么而做的?

Streamlit 自称是构建和分享数据应用的更快方式。Snowflake 于 2022 年 3 月 2 日宣布有意收购 Streamlit,新闻稿中称它是一个帮助开发者和数据科学家构建、分享数据应用的开源框架。

“数据”和“分享”这两个词,恰好划定了它的适用范围。不用写前端,不用搭 API,也不用操心路由。你写一个读数据、画几个控件的 Python 脚本,这个脚本就是应用本身。

重跑模型:演示为何快,应用为何慢

Streamlit 文档说得很明确:默认情况下,用户每操作一次控件,应用就重跑一次。这让代码容易理解:没有纠缠不清的回调,也没有需要同步的界面状态;从上往下读一遍脚本,就知道界面会显示什么。

代价在于慢函数。设想给一家物流公司做演示,读取订单文件的函数约需 8 秒。如果客户在会上改了十次筛选条件,就是十次重跑,大约 80 秒盯着加载动画,足以打乱演示的节奏。

Streamlit 正是为此提供了缓存机制。文档指出,不加缓存时,耗时长的函数会一遍遍重复执行,拖慢应用。对返回数据的函数,推荐默认使用 st.cache_data:

import streamlit as st
import pandas as pd

@st.cache_data
def load_orders(path):
    return pd.read_csv(path)  # 很慢,但只有第一次真正执行

orders = load_orders("orders_sample.csv")

if "notes" not in st.session_state:
    st.session_state["notes"] = []  # 用户在本次会话中的笔记

在物流示例里,这 8 秒现在只在第一次花掉;之后九次更改筛选条件,数据都从缓存读取。还有一点:根据文档,st.cache_data 每次调用函数都会生成一份新的数据副本。

这意味着在脚本里修改 DataFrame 不会破坏缓存,但表非常大时,复制本身也要消耗资源。

到了客户办公室、打开笔记本后的第一件事:在写任何控件之前,先给每个数据加载函数套上 @st.cache_data。

该换架构的三个信号

第一个信号是状态。Session State 用于在多次重跑之间保存数据,它绑定在每个用户会话上,不在用户之间共享。文档也说得很直白:关闭或刷新标签页,Session State 里的内容就全部消失。

做演示时,这可以接受。但如果客户开始要求多步骤工作流,比如分析师在第一步审批申请,团队负责人在第二步复核,按一下 F5 就可能让成果全部清空。这时你需要持久化存储,以及真正能管理状态的架构。

第二个信号是访问控制。Streamlit 内置了基于 OIDC 的 st.login 认证,但文档写得很清楚:OIDC 支持身份认证,不支持授权。知道用户是谁,和知道用户能看什么,是两回事;需要基于角色访问控制的企业客户,问的恰恰是第二个问题。

第三个信号来自重跑模型本身。回到物流示例:假设客户想在表格里选中一个订单,打开表单修改收货地址,再回到表格,且筛选条件保持不变。

由于每次点击都会重跑整个脚本,你得自己把选中的订单、筛选条件和填了一半的表单内容存进 Session State,再在每次运行开头读回来。

每多一个子界面,就多出几个必须彼此一致的 Session State 键,只要有一个键对不上,表格就会显示错误的订单。当大部分时间都花在维持界面状态一致,而不是开发客户需要的功能时,Streamlit 就不再是合适的选择。

分享很快,但要小心客户数据

Streamlit Community Cloud 可以从 GitHub 仓库免费创建、部署和管理应用。做内部演示或作品集非常方便:推送代码,就能得到一个可以发给别人的链接。

涉及客户数据时,这应当是先向客户确认的问题,而不是默认做法。公开演示用结构相同的假数据搭建,真实数据只在客户批准的环境中运行。

先学什么,求职时怎么展示

按这个顺序学:重跑模型,然后是 st.cache_data,接着是 Session State,最后是 st.login 及其局限。掌握这四点,就足以做出演示,也能向客户解释为什么演示还不是产品。

简历上不要只写“熟悉 Streamlit”。可以这样写:用一天时间在客户样例数据上做出原型,与客户约定更换架构的条件,随后迁移到具备持久状态和授权的系统。目标是让读者看到你两件事都能做:快速交付演示,也知道何时该停。

一小时练习:赶在客户之前找到断点

拿一份假的订单 CSV 文件,做一个带筛选条件的表格,分别记录读文件函数套上 @st.cache_data 前后每次更改筛选条件的耗时。接着加入选中订单的功能和修改地址的表单,两者都存在 Session State 里。最后按下 F5,记下哪些内容消失了。

这个练习能帮你避开首次演示中常见的三个错误。一是忘记加缓存,客户每点一下都要等。二是因为部署太容易,就把客户的真实数据放到公开应用上。三是看到 st.login 就当场承诺基于角色的访问控制。

用 Streamlit 花一个下午,可以赢得客户的信任。能否保住这份信任,取决于在演示当天就提前告诉客户:它什么时候会被别的方案替代。

这篇文章对你有帮助吗?

7 个信源
路线图上的下一篇 · 阶段 1: 基础认知少写一行 SQL,Supabase 演示后端就可能翻车行级安全决定演示是泄露全部用户数据还是登录即白屏,半天搭建时应最先处理。