@abmedia_news · Post #23723 · 08.04.2026 г., 09:35
【🚀AI 人工智慧|卡內基梅隆震撼教育:禁止手寫程式!重塑 AI 時代下工程師的新核心價值】 #Carnegie#Mellon#AI#Engineer 📍請見報導: https://abmedia.io/carnegie-mellon-ai-tools-for-softward 📍訂閱鏈新聞頻道:https://linktr.ee/abmedia.io
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: #carnegie
@abmedia_news · Post #23723 · 08.04.2026 г., 09:35
【🚀AI 人工智慧|卡內基梅隆震撼教育:禁止手寫程式!重塑 AI 時代下工程師的新核心價值】 #Carnegie#Mellon#AI#Engineer 📍請見報導: https://abmedia.io/carnegie-mellon-ai-tools-for-softward 📍訂閱鏈新聞頻道:https://linktr.ee/abmedia.io