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: #shippingtech

当前筛选 #shippingtech清除筛选

🚢ИИ в судоходстве: инструмент эффективности или новый перегруз экипажей? Развитие искусственного интеллекта ИИ(AI) в морской отрасли всё чаще рассматривается как следующий этап цифровизации флота, однако ключевой вопрос заключается не в технологии, а в её практическом применении. За последние 30 лет внедрение спутниковой связи, датчиков и цифровых систем уже обеспечило высокий уровень обмена данными между судном и берегом. Тем не менее, во многих случаях технологии лишь накладывались на существующие процессы, увеличивая нагрузку на экипажи вместо её снижения. Современный этап внедрения AI демонстрирует схожую проблему: с одной стороны — ожидания полной автоматизации, с другой — риски неправильного, неэтичного или неэффективного применения. Практическая ценность AI в судоходстве заключается не в замене человека, а в повышении безопасности операций, автоматизации рутинных задач, улучшении навигационной поддержки и анализа данных, а также снижении операционной нагрузки на экипаж. Ключевой фактор успеха — интеграция AI как инструмента, а не как дополнительного слоя технологий. В противном случае цифровизация продолжит увеличивать сложность эксплуатации вместо повышения эффективности. Отраслевые эксперты подчеркивают, что будущее AI в судоходстве будет определяться не разработчиками технологий, а операторами флота, которые решат — станет ли AI инструментом повышения эффективности или источником дополнительной нагрузки. 📌 Морская цифровизация активно развивается с начала 1990-х годов с внедрения спутниковой связи и систем мониторинга судов. Сегодня ключевыми драйверами являются автоматизация, большие данные и AI, которые формируют новую модель управления флотом. Основные решения разрабатываются технологическими компаниями и интеграторами, однако конечное применение и контроль остаются за судоходными операторами и судовладельцами. #AI#ShippingTech#Digitalization#Maritime#FleetManagement