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: #personalizedmedicine

当前筛选 #personalizedmedicine清除筛选
Cerdas Gunakan Obat

@cerdasgunakanobat · Post #2714 · 26.10.2018 г., 16:35

"PERSONALIZED MEDICINES: One Dose Does Not Fit All" • https://www.instagram.com/p/BpZy_-Ignyk/?utm_source=ig_share_sheet&igshid=113nv1o8rslyd • Salah satu tantangan dalam pengobatan saat ini adalah bervariasinya respon terapi antar pasien dengan penyakit dan obat yang sama. Beberapa pasien bisa sembuh tanpa efek samping obat (ESO), beberapa bisa sembuh tapi mengalami ESO, tetapi ada juga yang tidak sembuh dan mengalami ESO. • Tidak mudah memprediksi respon terapi seseorang. Banyak faktor klinis dan nonklinis yang harus dipertimbangkan. Akibatnya, dokter harus mencoba beberapa jenis obat lebih dulu (tunggal/kombinasi) atau beberapa variasi dosis obat hingga menemukan dosis optimal obat. • Sejak 2013, perkembangan ilmu farmakogenetik/farmakogenomik sangat pesat. Biaya pengujian genetik juga semakin terjangkau. Hal ini berimplikasi pada disrupsi model terapi di bidang farmasi dan kedokteran, yang saat ini menuntut diagnosis dan pengobatan penyakit yang lebih presisi dengan mempertimbangkan profil genetik dari pasien. Metode pengobatan yang ikut mempertimbangkan variasi genetik dari pasien ini disebut ‘personalized medicine’. • Apa peran Apoteker dalam pengobatan berbasis genetik? Apa itu ‘genomic medicine’? Kompetensi apa yang harus dimiliki apoteker di bidang ‘personalized medicine’? Bagaimana perubahan kode genetik mempengaruhi respon tubuh seseorang terhadap obat? Sejauh mana aplikasi ‘personalized medicine’ di bidang pengobatan? • Mari simak dan ikuti diskusi di Grup Telegram "DISGRAM Apoteker Indonesia": "Personalized Medicines: One Dose Does Not Fit All" Sabtu, 27 Oktober 2018 Pukul 19:00 - 22.00 WIB Narasumber: Muh. Akbar Bahar, Apt, M.Pharm, Sc @kbarbahar (Dosen Fak. Farmasi Univ. Hasanuddin, Makassar) Moderator: Hamdayani Damanik, Apt @hamdadaM Manager: Budiyanto, Apt @budz99 • Tempat: Grup Telegram "DISGRAM Apoteker Indonesia" Untuk bergabung silakan kontak Manager atau klik link sbb: bit.ly/daftartelegramAPIN2 • Diskusi ini diselenggarakan dalam rangka GeMa CerMat (Gerakan Masyarakat Cerdas Menggunakan Obat), Kemenkes RI Fanpage FB: Cerdas Gunakan Obat Twitter & IG: @gemacermat Telegram: @cerdasgunakanobat, @diskusiobat #disgram#apotekerindonesia #gemacermat#cerdasgunakanobat#personalizedmedicine#farmakogenomik