小编Raq*_*qib的帖子

我试图了解 FastAPI/Gunicorn 如何处理和排队请求。

客户端合约：客户端发出请求后，需要在 5 秒内收到响应。如果客户端在 5 秒内没有收到响应，则该请求不再有用，客户端将停止监听响应。

场景： 考虑以下场景：

1. 假设我们有 4 个工作人员（使用 Gunicorn 作为 UvicornWorkers 的流程管理器；使用tiangolo 的 docker 镜像）
2. 客户端发送100个并发请求
3. 每个请求需要 5 秒才能完成
4. 我们在 5 秒内处理前 4 个请求
5. 但到那时，队列中接受的剩余 96 个请求（我不确定是否发生排队或它是如何工作的，如果您能解释一下，我将不胜感激）已经在那里花费了 5 秒并违反了客户端合同。处理这 96 个请求是一种资源浪费，因为客户端不再侦听它们。

问题：

1. 我将如何丢弃这 96 个请求，即如果每个请求在队列中等待超过 5 秒，则丢弃它们？

我曾与 Spacy 合作过，到目前为止，我发现 Spacy 在 NLP 方面非常直观和强大。我试图从文本句子中进行搜索，这既是搜索word base也是content type base搜索，但到目前为止，我还没有找到任何与 spacy 相关的解决方案。

我有这样的文字：

在计算机科学中，人工智能（AI）有时也称为机器智能，是由机器表现出的智能，与人类和动物表现出的自然智能不同。领先的人工智能教科书将该领域定义为“智能代理”的研究：任何感知其环境并采取行动以最大程度地成功实现其目标的机会的设备。 [1] 通俗地说，“人工智能”一词通常用于描述模仿人类与人类思维相关的“认知”功能的机器（或计算机），例如“学习”和“解决问题”。 [2]

随着机器的能力越来越强，被认为需要“智能”的任务通常会从人工智能的定义中删除，这种现象被称为人工智能效应。 [3] 特斯勒定理中有句俏皮话说：“人工智能是尚未完成的事情。”[4] 例如，光学字符识别经常被排除在人工智能之外，[5] 已成为一种常规技术。[6] 通常归类为人工智能的现代机器功能包括成功理解人类语音、[7] 在战略游戏系统（例如国际象棋和围棋）中进行最高水平的竞争、[8] 自动驾驶汽车、内容交付网络中的智能路由以及军事模拟[9]。

人工智能作为一门学科成立于 1955 年，此后的几年里经历了几次乐观浪潮，[10][11] 随后是失望和资金损失（称为“人工智能冬天”），[12] [13] 随后是新方法、成功和新的资金。[11][14] 在其历史的大部分时间里，人工智能研究都被划分为多个子领域，而这些子领域往往无法相互沟通。 [15] 这些子领域基于技术考虑，例如特定目标（例如“机器人”或“机器学习”），[16]特定工具（“逻辑”或人工神经网络）的使用，或深刻的哲学差异。 17][18][19] 子领域也基于社会因素（特定机构或特定研究人员的工作）。 [15]

现在，我想提取多个单词或字符串匹配的多个完整句子。例如，我想搜索intelligent和machine learning。它会打印包含这个单个或两个给定字符串的所有完整句子。

有什么方法可以用 spacy 导入 spacy 模型来感知短语匹配.. 就像它找到所有包含单词的智能和机器学习并打印它一样？还有其他选项，它是否也可以像搜索机器学习一样找到，还建议深度学习、人工智能、模式识别等？

import spacy
nlp = spacy.load("en_core_web_sm")
from spacy.matcher import PhraseMatcher
phrase_matcher = PhraseMatcher(nlp.vocab)

phrases = ['machine learning', ''intelligent, 'human']

patterns = [nlp(text) for text in phrases]

phrase_matcher.add('AI', None, …