python并发编程:Python在FastAPI服务中使用多进程池加速程序运行

往期文章：

1. 并发编程简介
2. 怎样选择多线程多进程多协程
3. Python速度慢的罪魁祸首，全局解释器锁GIL
4. 使用多线程，Python爬虫被加速10倍
5. Python实现生产者消费者爬虫
6. Python线程安全问题以及解决方案
7. Python好用的线程池ThreadPoolExecutor
8. Python使用线程池在Web服务中实现加速
9. 使用多进程multiprocessing模块加速程序的运行

使用多进程在FastAPI服务中加速

大部分情况下使用多线程加速就可以了，但是，有些应用是也会遇到cpu密集型的计算。怎么在FastAPI中使用进程池来加速呢？下面通过代码演示方式为大家介绍一下：

from fastapi import FastAPI,Query
import math
app = FastAPI(debug=True)
from concurrent.futures import ProcessPoolExecutor

def is_prime(num):

    """
    判断是不是素数
    """
    if num < 2:
        return False

    if num == 2:
        return True

    if num % 2 == 0:
        return False
    sqrt_n  = int(math.floor(math.sqrt(num)))

    for i in range(3,sqrt_n+1,2):
        if num % i == 0:
            return False
    return True

@app.get("/is_prime/{num_list}")
def api_is_prime(num_list:str=Query(description="判断素数的参数")):
    num_list = [int(x) for x in num_list.split(",")]
    result = pool.map(is_prime,num_list)
    return dict(zip(num_list,result))



if __name__ == "__main__":
    import uvicorn
    pool = ProcessPoolExecutor()
    uvicorn.run(app=app)

注意: ProcessPoolExecutor必须放在所以函数的最后面，而且必须在__main__里面

启动应用:

python 07.fastapi_process_pool.py

测试接口，结果如下：