@besnow_cloud · Post #3086 · 16.05.2025 г., 09:57
🔊【#深度解读】 🔥 AI时代的组织大重构即将到来! 听NVIDIA创始人黄仁勋和ServiceNow CEO孟鼎铭聊如何用Agentic AI打造“数字员工”,为什么CRM系统一团糟?跨平台AI如何协作?连Denny’s煎蛋饼都能带来企业管理的启示…… 点击👇链接,进入AI驱动未来的深度对话现场! #AgenticAI#Nvidia#ServiceNow#企业转型#人工智能 👉阅读全文
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: #servicenow
@besnow_cloud · Post #3086 · 16.05.2025 г., 09:57
🔊【#深度解读】 🔥 AI时代的组织大重构即将到来! 听NVIDIA创始人黄仁勋和ServiceNow CEO孟鼎铭聊如何用Agentic AI打造“数字员工”,为什么CRM系统一团糟?跨平台AI如何协作?连Denny’s煎蛋饼都能带来企业管理的启示…… 点击👇链接,进入AI驱动未来的深度对话现场! #AgenticAI#Nvidia#ServiceNow#企业转型#人工智能 👉阅读全文