@NatureTravelVacationPictures · Post #1400 · 27.05.2019 г., 07:30
🌿🍁🍃 #Valley#River#Mountains#Nature 💁Join Us ✅🔜@BillionaireHomes 🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃
Hashtags
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: #valley
@NatureTravelVacationPictures · Post #1400 · 27.05.2019 г., 07:30
🌿🍁🍃 #Valley#River#Mountains#Nature 💁Join Us ✅🔜@BillionaireHomes 🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃🍃
Hashtags
@ThemesM8 · Post #253 · 12.12.2021 г., 14:25
https://t.me/addtheme/KI1eSxA06PGHRBF8 ❄️@ThemesM8🌊 #dark#android#desktop#river#lake#valley#cold#snow#mist#fog#deep#black#blue#woods#forest#jungle#hill#amoled#oled#winter