Para ver cómo lograr este paralelismo en producción, consulta la sección sobre [Despliegue](deployment/index.md).

## `async` y `await` { #async-and-await }

但你也可以利用平行與多行程 (multiprocessing)（讓多個行程同時運行） 的優勢來處理機器學習系統中的 **CPU 密集型**工作。

這一點，再加上 Python 是 **資料科學**、機器學習，尤其是深度學習的主要語言，讓 **FastAPI** 成為資料科學/機器學習 Web API 和應用程式（以及許多其他應用程式）的絕佳選擇。

想了解如何在生產環境中實現這種平行性，請參見 [部屬](deployment/index.md)。

## `async` 和 `await` { #async-and-await }

現代 Python 版本提供一種非常直觀的方式定義非同步程式碼。這使得它看起來就像正常的「順序」程式碼，並在適當的時機替你「等待」。

當某個操作需要等待才能回傳結果，並且支援這些新的 Python 特性時，你可以像這樣編寫程式碼：

```Python

并且，你也可以利用并行和多进程（让多个进程并行运行）的优点来处理与机器学习系统中类似的 **CPU 密集型** 工作。

这一点，再加上 Python 是**数据科学**、机器学习（尤其是深度学习）的主要语言这一简单事实，使得 **FastAPI** 与数据科学/机器学习 Web API 和应用程序（以及其他许多应用程序）非常匹配。

了解如何在生产环境中实现这种并行性，可查看此文 [部署](deployment/index.md)。

## `async` 和 `await` { #async-and-await }

现代版本的 Python 有一种非常直观的方式来定义异步代码。这使它看起来就像正常的"顺序"代码，并在适当的时候"等待"。

当有一个操作需要等待才能给出结果，且支持这个新的 Python 特性时，你可以编写如下代码：

```Python

```

1. 直接将 `main.py` 复制到 `/code`（没有 `./app` 目录）。

2. 使用 `fastapi run` 来运行单文件 `main.py` 中的应用。

当你把文件传给 `fastapi run` 时，它会自动检测这是一个单文件而不是包，并知道如何导入并服务你的 FastAPI 应用。😎

## 部署概念 { #deployment-concepts }

我们再从容器的角度讨论一些相同的[部署概念](concepts.md)。

容器主要是简化应用**构建与部署**流程的工具，但它们并不强制采用某种特定方式来处理这些**部署概念**，可选策略有多种。

**好消息**是，不同策略下都有方式覆盖所有部署概念。🎉

让我们从容器角度回顾这些**部署概念**：

* HTTPS
* 启动时运行

/// info | 情報

FastAPI はバージョン 0.95.0 で `Annotated` のサポートを追加し（推奨し始め）ました。

古いバージョンの場合、`Annotated` を使おうとするとエラーになります。

`Annotated` を使う前に、FastAPI のバージョンを少なくとも 0.95.1 にするために、[FastAPI のバージョンをアップグレード](../deployment/versions.md#upgrading-the-fastapi-versions)してください。

///

## `q` パラメータの型で `Annotated` を使う { #use-annotated-in-the-type-for-the-q-parameter }

Quando você passa o arquivo para `fastapi run` ele detecta automaticamente que é um arquivo único e não parte de um pacote e sabe como importá-lo e servir sua aplicação FastAPI. 😎

## Conceitos de Implantação { #deployment-concepts }

Vamos falar novamente sobre alguns dos mesmos [Conceitos de Implantação](concepts.md) em termos de contêineres.

  Multi vCenter support is deprecated as of v1.21. If you have a Kubernetes cluster spanning across multiple vCenter servers, please consider moving all k8s nodes to a single vCenter Server. vSphere CSI Driver does not support Kubernetes deployment spanning across multiple vCenter servers.
  
  Support for these deprecations will be available till Kubernetes v1.24. ([#98546](https://github.com/kubernetes/kubernetes/pull/98546), [@divyenpatel](https://github.com/divyenpatel))

```

1. 將 `main.py` 直接複製到 `/code` 目錄（不需要 `./app` 目錄）。

2. 使用 `fastapi run` 來服務單檔的 `main.py` 應用。

當你把檔案傳給 `fastapi run`，它會自動偵測這是一個單一檔案而非套件的一部分，並知道如何匯入並服務你的 FastAPI 應用。😎

## 部署概念 { #deployment-concepts }

我們用容器的角度再談一次部分相同的[部署概念](concepts.md)。

容器主要是簡化應用「建置與部署」流程的工具，但它們不強制特定的方式來處理這些「部署概念」，而是有多種策略可選。

好消息是，每種不同的策略都能涵蓋所有部署概念。🎉

讓我們用容器的角度回顧這些部署概念：

* HTTPS
* 開機自動執行
* 失敗重啟

Starlette와 **FastAPI**에서 권장하는 서버입니다.

/// check | **FastAPI**가 이를 권장하는 방식

**FastAPI** 애플리케이션을 실행하기 위한 주요 웹 서버.

또한 `--workers` 커맨드라인 옵션을 사용하면 비동기 멀티프로세스 서버로 실행할 수도 있습니다.

자세한 내용은 [배포](deployment/index.md) 섹션을 확인하세요.

///

## 벤치마크와 속도 { #benchmarks-and-speed }

2. 단일 파일 `main.py`에 있는 애플리케이션을 제공(serve)하기 위해 `fastapi run`을 사용합니다.

`fastapi run`에 파일을 전달하면, 이것이 패키지의 일부가 아닌 단일 파일이라는 것을 자동으로 감지하고, 어떻게 임포트해서 FastAPI 앱을 제공할지 알아냅니다. 😎

## 배포 개념 { #deployment-concepts }

컨테이너 관점에서 같은 [배포 개념](concepts.md)들을 다시 이야기해 봅시다.

컨테이너는 주로 애플리케이션의 **빌드 및 배포** 과정을 단순화하는 도구이지만, 이러한 **배포 개념**을 처리하는 특정 접근 방식을 강제하지는 않으며, 가능한 전략은 여러 가지입니다.