@hpklwbj · Post #161694 · 23.02.2026 г., 03:40
焦尼🌍北京童巨蔓蔓 第一次下氵极品m 🎀清纯学生妹妹 05 .168E杯 完美身材 清秀可人乖巧配合 笑容甜美给你初恋的感觉 🎀🉑sm,🉑️舌吻 69 共浴 乖巧懂事 🎀清纯大一生 零整容 三点粉嫩👙 皮肤雪白 👄 主打真实 生活自拍 初次见面,配合度极高,放纵体验纯爱💓 #朝阳#B068#B #童巨#学生#无纹身 #sm#口💥
TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #425 · 20 апр.
Недавно делал быстрый прототип асинхронного приложения в котором требовалось вызывать много синхронного кода. Да, я знаю, что это не лучший дизайн, но нужно было быстрое решение на один процесс и без очередей. Поэтому я выполнял код в потоках. Выглядело это примерно так: from fastapi.concurrency import run_in_threadpool async def execute(data: DataRequest) -> DataResponse: try: result = await run_in_threadpool(sync_function, data) return DataResponse(data=result) except Exception as e: return DataResponse( error=str(e), success=False, ) В общем работает нормально. Для всех вызовов под капотом используется общий тредпул, всё работает предсказуемо. Но потребовалось изменить количество запускаемых в пуле потоков (по умолчанию создается 40 воркеров). Так как дело происходит с FastAPI, делается это через lifespan используя настройки anyio: import anyio @asynccontextmanager async def lifespan(app: FastAPI): limiter = anyio.to_thread.current_default_thread_limiter() limiter.total_tokens = 100 yield # если вдруг нужно вернуть обратно limiter.total_tokens = 40 Зачем менять количество воркеров? - уменьшить, если оперативки мало (один тред занимает ~8мб) - увеличить чтобы выдержать нагрузку Если есть предложения получше при тех же вводных - предлагайте😉 #async
Hashtags
Пребарај: #b068