TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

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

Резултати

Пронајдени 1 слични објави

Пребарај: #metabolomics

当前筛选 #metabolomics清除筛选
GitHub Trends

@githubtrending · Post #15534 · 01.03.2026 г., 12:00

#python#agent_skills#ai_scientist#bioinformatics#chemoinformatics#claude#claude_skills#claudecode#clinical_research#computational_biology#data_analysis#drug_discovery#genomics#materials_science#metabolomics#proteomics#scientific_computing#scientific_visualization Claude Scientific Skills offers 148+ ready-to-use tools for AI agents like Cursor or Claude Code, covering biology, chemistry, drug discovery, clinical research, ML, and 250+ databases (PubMed, ChEMBL, etc.). Easy setup: clone the GitHub repo and copy folders to your skills directory for automatic use in complex workflows like single-cell analysis or virtual screening. You save days on setup, get reliable code, and run multi-step science faster on your desktop. https://github.com/K-Dense-AI/claude-scientific-skills