@KartInfoTW · Post #637 · 18.06.2025 г., 10:06
《飄移》停運時間拍板十月,退款申請七月下旬開放,課金仔們記得在期間內完成申請 🤡 🎯 停運/退款公告:https://kinf.cc/bhl5f ▶️ 加入 Discord 交流群:https://kinf.cc/dc◀️ #跑跑卡丁車#KartRider#飄移#KartDrift#卡丁車#NitroStudio#Nexon#結束營運#NPoint#KCOIN#退款#申請
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: #npoint
@KartInfoTW · Post #637 · 18.06.2025 г., 10:06
《飄移》停運時間拍板十月,退款申請七月下旬開放,課金仔們記得在期間內完成申請 🤡 🎯 停運/退款公告:https://kinf.cc/bhl5f ▶️ 加入 Discord 交流群:https://kinf.cc/dc◀️ #跑跑卡丁車#KartRider#飄移#KartDrift#卡丁車#NitroStudio#Nexon#結束營運#NPoint#KCOIN#退款#申請