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
#SeccionAprendizaje📚
🔖Titulo: Pasos para lanzar productos.
📂Proyecto: CubaEmprende
✍Autor: Sergey Avila
🖇Documento de apoyo a lo antes explicado.🖇
Fue desarrollado por un profesor de un proyecto de emprendimiento de negocios que se está realizando en Cuba llamado "Cuba Emprende"
📝Está todo bien explicito.
✒️Recomiendo su lectura y estudio.🖋
#SeccionAprendizaje📚
🔖Título: El papel de un colectivo de mujeres en las Tecnologías de la Información y las Comunicaciones (Tics).
✒️Totalmente recomendado🖋
🖇Retazo de un documento🖇
📕#libro