# Exécuter un serveur manuellement { #run-a-server-manually }

## Utiliser la commande `fastapi run` { #use-the-fastapi-run-command }

En bref, utilisez `fastapi run` pour servir votre application FastAPI :

<div class="termy">

```console
$ <font color="#4E9A06">fastapi</font> run <u style="text-decoration-style:solid">main.py</u>

  <span style="background-color:#009485"><font color="#D3D7CF"> FastAPI </font></span>  Starting production server 🚀

Directory for DBFlute client

manage.bat(sh) => 21 (jdbc):
A execution command of JDBC task
which gets your schema info and saves it to SchemaXML
located to the "schema" directory.
This task should be executed after ReplaceSchema task
and before other tasks(e.g. Generate, Document task).

manage.bat(sh) => 22 (doc):
A execution command of Document task
which creates documents, for example, SchemaHTML, HistoryHTML
to the "output/doc" directory.

    uvicorn.run(app, host="0.0.0.0", port=8000)
```

ne sera pas exécutée.

/// info

Pour plus d'informations, consultez [la documentation officielle de Python](https://docs.python.org/3/library/__main__.html).

///

## Exécuter votre code avec votre <abbr title="En anglais: debugger">débogueur</abbr> { #run-your-code-with-your-debugger }

### Configuration pour les Plugins OpenSearch

Exécutez antrun:run pour télécharger les plugins dans le répertoire plugins :

    $ mvn antrun:run

### Exécuter Fess

Exécutez ou déboguez org.codelibs.fess.FessBoot dans votre IDE, puis accédez à http://localhost:8080/

### Créer un Package

Exécutez la commande `package` et le fichier de release sera créé dans target/releases.

        <plugin>
          <groupId>build</groupId>
          <artifactId>managed-plugin</artifactId>
          <executions>
            <execution>
              <phase>test</phase>
            </execution>
            <execution>
              <phase>test</phase>
            </execution>
          </executions>
        </plugin>
      </plugins>
    </pluginManagement>
    <plugins>
      <plugin>

# Build execution model

At the highest level, Gradle's execution model is quite simple:

Below is the protocol in some more detail:

1. The client looks for a compatible idle daemon. If there isn't one, it starts a new daemon.
2. The client connects to the idle daemon and sends it a request to do some work. If the daemon is no longer running, the client starts again.

        return this;
    }

    /**
     * Executes the Python script job.
     * Creates a session ID, sets up the execution environment, and runs the Python script
     * with the configured filename and arguments.
     *
     * @return a string containing the execution result and any error messages
     */
    @Override
    public String execute() {
        final StringBuilder resultBuf = new StringBuilder();

**FastAPI** s'assurera que le « code de sortie » dans chaque dépendance avec `yield` est exécuté dans le bon ordre.

Par exemple, `dependency_c` peut dépendre de `dependency_b`, et `dependency_b` de `dependency_a` :

{* ../../docs_src/dependencies/tutorial008_an_py310.py hl[6,14,22] *}

Et elles peuvent toutes utiliser `yield`.

        public StreamOf(final Supplier<Stream<T>> supplier) {
            this.supplier = supplier;
        }

        /**
         * Executes the provided {@link Consumer} with a {@link Stream} obtained from the supplier.
         * The stream is automatically closed after the consumer is executed.
         *
         * @param stream the {@link Consumer} to process the {@link Stream}
         */

    rect rgba(0, 255, 0, .1)
        code ->> function: say_hi(name="Rick")
        function ->> execute: execute function code
        execute ->> code: return the result
    end

    rect rgba(0, 255, 0, .1)
        code ->> function: say_hi(name="Rick", salutation="Mr.")
        function ->> execute: execute function code
        execute ->> code: return the result
    end

    rect rgba(0, 255, 255, .1)