最近下定决心理解云风的 ltask 的设计和源码，因此我编写了一个 ltask-go 的库。
事实证明，重新实现一遍 ltask ，尤其是用不同的语言来迫使自己思考，确实可以加速对 ltask 的理解。并且，我认为这个方法也可以扩展到其他项目上。当然，前提是项目不复杂，幸运的是，ltask 就是一个小巧的库。
最近下定决心理解云风的 ltask 的设计和源码，因此我编写了一个 ltask-go 的库。
事实证明，重新实现一遍 ltask ，尤其是用不同的语言来迫使自己思考，确实可以加速对 ltask 的理解。并且，我认为这个方法也可以扩展到其他项目上。当然，前提是项目不复杂，幸运的是，ltask 就是一个小巧的库。
这篇算是书接上文 Python Web 框架中的后台任务，继续讨论在 Python 中如何处理 CPU 密集型工作。
我们组有个 python 服务，里面有一些机器学习的功能，例如人脸识别和 ocr 还有音频分析等。这些任务用到的通常都是阻塞性的 api。现在我是通过 twsited 将它们创建成单独的线程或进程。但是我更想结合最近实践到的 fastapi 和 lifespan 来管理。
几个月前在开发一个 Python Web 项目时，我希望能像 Go 项目那样，在 Web 服务启动时就能同时运行一些后台任务。这让我开始寻找 Python 中的最佳实践方案。
Shader Learning Series Part 1: Understanding Ray Marching Rendering
Warning: The following content is generated and summarized by AI. It represents my personal learning journey and thought process. There might be inaccuracies, please use it as a reference with discretion.
After a two-year hiatus from writing recaps (I skipped 2023 as there wasn't much to highlight), I'm finally back to share my journey through 2024.