Skapa en asynkron endpoint för sentimentanalys
Du bygger en analysplattform för sociala medier som behöver analysera recensioner för sentiment. För att hantera hög trafik på ett effektivt sätt behöver du implementera en async-endpoint. Sentimentanalysmodellen är redan inläst och tillgänglig som sentiment_model.
Den här övningen är en del av kursen
Driftsättning av AI i produktion med FastAPI
Övningsinstruktioner
- Skapa en asynkron POST-endpoint
/analyzemed FastAPI-appen. - Lägg till nyckelordet för att anropa
sentiment_modelasynkront utan att blockera andra operationer. - Kör
sentiment_modeli en separat tråd med recensionens text, så att händelseloopen inte blockeras.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Review(BaseModel):
text: str
# Create async endpoint at /analyze route
@app.post("____")
# Write an asynchronous function to process review's text
____ def analyze_review(review: Review):
# Run the model in a separate thread to avoid any event loop blockage
result = ____ asyncio.____(sentiment_model, ____)
return {"sentiment": result[0]["label"]}