@AmericanEDU · Post #193 · 19.03.2022 г., 02:07
Today! At 18:00! Come and hear our Uzbekistan-born servant leader in Finland, Kamilla Sultanova!! Don’t miss out!! 👇🏼👇🏼👇🏼 #growthmindset#comeandlearn 🇺🇿❤️🇫🇮
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: #comeandlearn
@AmericanEDU · Post #193 · 19.03.2022 г., 02:07
Today! At 18:00! Come and hear our Uzbekistan-born servant leader in Finland, Kamilla Sultanova!! Don’t miss out!! 👇🏼👇🏼👇🏼 #growthmindset#comeandlearn 🇺🇿❤️🇫🇮
Hashtags