},
        "finnish_keywords": {
          "type":       "keyword_marker",

        },
        "finnish_keywords": {
          "type":       "keyword_marker",

Rick: (spills alcohol on Morty's bed) Come on, I got a surprise for you. (drags Morty by the ankle) Come on, hurry up. (pulls Morty out of his bed and into the hall)
Morty: Ow! Ow! You're tugging me too hard!
Rick: We gotta go, gotta get outta here, come on. Got a surprise for you Morty.
"""


@app.get("/story/stream", response_class=StreamingResponse)
async def stream_story() -> AsyncIterable[str]:
    for line in message.splitlines():
        yield line

Isso te dá bastante flexibilidade. Você pode retornar qualquer tipo de dado, sobrescrever qualquer declaração e validação nos dados, etc.

Isso também te dá muita responsabilidade. Você precisa garantir que os dados retornados estão corretos, no formato correto, que podem ser serializados, etc.

## Utilizando o `jsonable_encoder` em uma `Response` { #using-the-jsonable-encoder-in-a-response }

Você pega seus hambúrgueres e vai para a mesa com seu _crush_.

Vocês comem os hambúrgueres, e o trabalho está terminado. ⏹

<img src="/img/async/parallel-burgers/parallel-burgers-06.png" class="illustration">

Não houve muita conversa ou flerte já que a maior parte do tempo foi gasto esperando 🕙 na frente do balcão. 😞

/// info | Informação

Belas ilustrações de [Ketrina Thompson](https://www.instagram.com/ketrinadrawsalot). 🎨

///

Ao adicionar uma estrela, outras pessoas conseguirão encontrá-lo com mais facilidade e verão que já foi útil para muita gente.

## Acompanhe o repositório no GitHub para lançamentos { #watch-the-github-repository-for-releases }

Se sua aplicação for **simples**, isso provavelmente **não será um problema**, e você pode não precisar especificar limites de memória rígidos. Mas se você estiver **usando muita memória** (por exemplo, com **modelos de aprendizado de máquina**), deve verificar quanta memória está consumindo e ajustar o **número de contêineres** que executa em **cada máquina** (e talvez adicionar mais máquinas ao seu cluster).

u000cxn--lury-ira\u000cxn--mely-ira\u000exn--merker-kua\u0010xn--mjndalen-64a\u0012xn--mlatvuopmi-s4a\u000bxn--mli-tla\u000exn--mlselv-iua\u000exn--moreke-jua\u000exn--mosjen-eya\u000bxn--mot-tla\u0016xn--mre-og-romsdal-qqb\rxn--msy-ula0h\u0014xn--mtta-vrjjat-k7af\rxn--muost-0qa\u0015xn--nmesjevuemie-tcba\rxn--nry-yla5g\u000fxn--nttery-byae\u000fxn--nvuotna-hwa\u000fxn--oppegrd-ixa\u000exn--ostery-fya\rxn--osyro-wua\u0011xn--porsgu-sta26f\u000cxn--rady-ira\u000cxn--rdal-poa\u000bxn--rde-ula\u000...

## Thanks to our Contributors

This release contains contributions from many people at Google, as well as:

of. for ; i >= 0; i-- { tmp1.Double(tmp2) // Only update v if we have a nonzero coeff to add in. if aNaf[i] > 0 { v.fromP1xP1(tmp1) aTable.SelectInto(multA, aNaf[i]) tmp1.Add(v, multA) } else if aNaf[i] < 0 { v.fromP1xP1(tmp1) aTable.SelectInto(multA, -aNaf[i]) tmp1.Sub(v, multA) } if bNaf[i] > 0 { v.fromP1xP1(tmp1) basepointNafTable.SelectInto(multB, bNaf[i]) tmp1.AddAffine(v, multB) } else if bNaf[i] < 0 { v.fromP1xP1(tmp1) basepointNafTable.SelectInto(multB, -bNaf[i]) tmp1.SubAffine(v, multB)...