多线程池Flask实战应用

多线程池Flask实战应用

import json
import time

import flask
from concurrent.futures import ThreadPoolExecutor

app = flask.Flask(__name__)

pool = ThreadPoolExecutor()


def read_file():
    time.sleep(0.5)
    return "success"


def read_db():
    time.sleep(0.6)
    return "success"


def read_api():
    time.sleep(0.3)
    return "success"


@app.route("/")
def index():
    res_file = pool.submit(read_file)
    res_db = pool.submit(read_db)
    res_api = pool.submit(read_api)
    return {
        "res_file": res_file.result(),
        "res_db": res_db.result(),
        "res_api": res_api.result(),
    }


if __name__ == '__main__':
    app.run()
posted @   TY520  阅读(24342)  评论(0编辑  收藏  举报
编辑推荐:
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 上周热点回顾(3.3-3.9)
点击右上角即可分享
微信分享提示