@AirportAnalysis · Post #1708 · 14.01.2024 г., 06:06
#cherry#cherrynet 官网: https://board.cherrynet.work/ 群组: @CherrynetWork_Group 频道: @CherryNetwork_Channel 价格: https://3o.hk/image/EoONj 最近新开的一家,9元月付起,年付优惠到99元/年。
Hashtags
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: #cherrynet
@AirportAnalysis · Post #1708 · 14.01.2024 г., 06:06
#cherry#cherrynet 官网: https://board.cherrynet.work/ 群组: @CherrynetWork_Group 频道: @CherryNetwork_Channel 价格: https://3o.hk/image/EoONj 最近新开的一家,9元月付起,年付优惠到99元/年。
Hashtags