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

#async

Резултати

Пронајдени 2 слични објави

Пребарај: #rakesearch

当前筛选 #rakesearch清除筛选

Закиев Василь. (AI)ron manager

@zvasilchannel · Post #1763 · 19.07.2025 г., 07:11

Најди слично Погледај

Математика в тапочках На конференции GRID’2025 в Дубне представили свежие результаты проекта RakeSearch — добровольной распределённой вычислительной сети, которая решает задачи комбинаторики на обычных домашних ПК. Доклад основателя проекта Эдуарда Ватутина — был про то, как улучшенная балансировка нагрузки помогает быстрее искать латинские квадраты со специфическими свойствами. Я тоже участвую в этом проекте — и даже вхожу в топ‑3 добровольцев по мощности расчётов. Что нового удалось посчитать: – 377 674 диагональных трансверсалей у DLS порядка 14 — рекорд; – 5995 ортогональных латинских квадратов (ODLS) для порядка 12 — тоже рекорд; – в активных экспериментах участвуют машины из проекта RakeSearch, суммарно дающие до 12 TFLOP/s вычислительной мощности . – часть данных получена полным перебором (brute force), часть — эвристиками M1/M2, которые перебирают «соседства» и трансформации. 📌 Для сравнения: 12 TFLOP/s — это примерно как суперкомпьютер SKIF Cyberia (входил в топ‑30 России в 2023 году) или как нижняя треть мирового рейтинга TOP500… в 2005 году. Не бог весть что по сегодняшним меркам, но это смотря с чем сравнивать. Слайды доклада приложены в PDF. #RakeSearch

Hashtags

#rakesearch

Закиев Василь. (AI)ron manager

@zvasilchannel · Post #1460 · 11.01.2025 г., 09:36

Најди слично Погледај

Российский проект RakeSearch имеет неприятную особенность – после перезагрузки задачи начинают считаться заново. Когда задачи считаются в 30+ потоков и среди них есть задачи длительностью до часа, то это приводит к потере до получаса рабочего времени мощного компа. На скринах пример списка задач до и после перезагрузки. В общей картине эти потери, конечно, незначительны. А вот ведущему проекта Эдуарду Ватутину спасибо за регулярные посты о ходе проекта и публикациию результатов в энциклопедии OEIS. Имхо достойно того, чтобы 100% времени наших CPU выделять на RakeSearch. Вот бы ещё на Apple Silicon и на Linux появились задачи от проекта! Подписывайтесь на Эдуарда: https://vk.com/id162891802 #rakesearch #silicon

Hashtags

#rakesearch #silicon