本文介绍了在Run_in_Executor中运行图像处理。适应多处理的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
嘿，我在使用Fastapi异步构建的API上运行了大量的图像操作。我希望能够异步运行图像处理。因此，我使用了Run_in_Executor，我相信它是在一个单独的线程中运行的。然而，有人告诉我，改用python多处理更好。搬家有什么好处吗？
import asyncio
import functools
from app.exceptions.errors import ManipulationError
def executor(function):
@functools.wraps(function)
def decorator(*args, **kwargs):
try:
partial = functools.partial(function, *args, **kwargs)
loop = asyncio.get_event_loop()
return loop.run_in_executor(None, partial)
except Exception:
raise ManipulationError("Uanble To Manipulate Image")
return decorator
我制作此修饰器是为了将我的阻塞函数包装为在Executor中运行。
两个问题
a)转移到多进程是否有任何优势
b)我该如何操作
推荐答案
a)转移到多进程是否有任何优势
是，在处理CPU受限的情况下使用多核。
b)我该如何操作
将ProcessPoolExecutor的实例传递给run_in_executor。(您现在传递的None值意味着使用asyncio提供的默认执行程序，它是ThreadPoolExecutor。)例如(未测试)：
_pool = concurrent.futures.ProcessPoolExecutor()
def executor(function):
@functools.wraps(function)
def decorator(*args):
loop = asyncio.get_event_loop()
return loop.run_in_executor(_pool, function, *args)
return decorator
这还要求函数的所有参数都是可序列化的，以便可以将它们传输到子进程。
这篇关于在Run_in_Executor中运行图像处理。适应多处理的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！