Cuántos esperan
Si hay `total` tareas y el máximo en simultáneo es `maximo`, devolvé cuántas tienen que esperar. Ejemplo: cuantos_esperan(10, 3) → 7
Entrá y llevá tu progreso —ejercicios, medallas y Pokémon— a cualquier dispositivo. 🔄
Si tu cuenta ya tiene progreso guardado, se carga ese al entrar.
Entraste como . Tu progreso se sincroniza solo. 🔄
Si hay `total` tareas y el máximo en simultáneo es `maximo`, devolvé cuántas tienen que esperar. Ejemplo: cuantos_esperan(10, 3) → 7
🎯 Meta: controlar cuántas tareas corren a la vez para no saturar la red ni el servidor.
Lanzar 10.000 descargas juntas suena genial… hasta que tu red colapsa o el servidor te bloquea. La solución: limitar la concurrencia, procesando de a tandas.
Un semáforo (asyncio.Semaphore) permite que como mucho N tareas pasen a la vez; las demás esperan su turno:
import asyncio
sem = asyncio.Semaphore(3) # máximo 3 a la vez
async def bajar(url):
async with sem: # pide un cupo; si no hay, espera
await asyncio.sleep(1)
return url
La idea más simple: partir en lotes de tamaño fijo y procesar lote por lote.
def por_lotes(items, tam):
return [items[i:i+tam] for i in range(0, len(items), tam)]
print(por_lotes([1, 2, 3, 4, 5], 2)) # [[1, 2], [3, 4], [5]]
Y la lógica del “cupo”: ¿cabe una más?
def cabe(activos, maximo):
return activos < maximo
print(cabe(2, 3)) # True (hay lugar)
print(cabe(3, 3)) # False (lleno)
💡 Límite de concurrencia = respeto. No abuses de las APIs ajenas; un buen bot va de a poco.
P: ¿Por qué limitar la concurrencia?
+ para no saturar la red ni el servidor
- para que todo sea más lento
- porque Python lo obliga
> Lanzar miles de pedidos juntos puede tirar todo abajo o hacer que te bloqueen.
P: `por_lotes([1,2,3,4,5], 2)` da…
+ `[[1,2],[3,4],[5]]`
- `[[1,2,3,4,5]]`
- `[[1],[2],[3],[4],[5]]`
> Lotes de hasta 2 elementos cada uno.
🚦 La Líder Melony te espera para controlar la concurrencia.