Update app.py

Add async model and vectorizer loader

app.py

@@ -5,30 +5,21 @@ from fastapi import FastAPI, HTTPException, status
 from pydantic import BaseModel
 from dotenv import load_dotenv
 from typing import Optional
+import asyncio
+from contextlib import asynccontextmanager
 
 # Charge les variables d'environnement
 load_dotenv()
 
 # Configuration des variables d'environnement
-MLFLOW_TRACKING_APP_URI = os.getenv("MLFLOW_TRACKING_APP_URI", "https://olivier-52-ml-flow.hf.space")
-MODEL_NAME = os.getenv("MODEL_NAME", "climate-fake-news-detector-model-XGBoost-v1")
-STAGE = os.getenv("STAGE", "production")
+MLFLOW_TRACKING_APP_URI = os.getenv("MLFLOW_TRACKING_APP_URI")
+MODEL_NAME = os.getenv("MODEL_NAME")
+STAGE = os.getenv("STAGE")
 
 # Configure les identifiants AWS pour accéder au bucket S3
 os.environ["AWS_ACCESS_KEY_ID"] = os.getenv("AWS_ACCESS_KEY_ID")
 os.environ["AWS_SECRET_ACCESS_KEY"] = os.getenv("AWS_SECRET_ACCESS_KEY")
 
-# Initialise FastAPI
-app = FastAPI(
-    title="Climate Fake News Detector API",
-    description="API pour détecter les fake news sur le climat avec un modèle XGBoost.",
-    version="1.0.0"
-)
-
-# Modèle pour les données d'entrée
-class TextInput(BaseModel):
-    text: str
-
 # Variables globales pour stocker le modèle et le vectorizer
 model = None
 vectorizer = None
@@ -79,8 +70,39 @@ def load_vectorizer():
             detail=f"Impossible de charger le vectorizer : {e}"
         )
 
-load_model()
-vectorizer = load_vectorizer()
+# Fonction asynchrone pour charger le modèle et le vectorizer
+async def load_model_and_vectorizer():
+    try:
+        loop = asyncio.get_event_loop()
+        await loop.run_in_executor(None, load_model)
+        global vectorizer
+        vectorizer = await loop.run_in_executor(None, load_vectorizer)
+        print("Modèle et vectorizer chargés avec succès.")
+    except Exception as e:
+        print(f"Erreur lors du chargement : {e}")
+        raise HTTPException(
+            status_code=status.HTTP_500_INTERNAL_SERVER_ERROR,
+            detail=f"Impossible de charger le modèle ou le vectorizer : {e}"
+        )
+
+# Charge le modèle et le vectorizer au démarrage
+@asynccontextmanager
+async def lifespan(app: FastAPI):
+    # Code à exécuter au démarrage
+    await load_model_and_vectorizer()
+    yield
+
+# Initialise FastAPI
+app = FastAPI(
+    title="Climate Fake News Detector API",
+    description="API pour détecter les fake news sur le climat avec un modèle XGBoost.",
+    version="1.0.0",
+    lifespan=lifespan
+)
+
+# Modèle pour les données d'entrée
+class TextInput(BaseModel):
+    text: str
 
 @app.get("/")
 async def read_root():