Hot Reload

熱重載

程式設計師在應用程式執行中修改程式碼後，能即時注入變更而不需重新啟動程式，從而加速開發流程。

---

失效狀況解決

fastapi於修改後無法熱重載。

Description

• 原因是rpy2套件(R語言相容套件)對於記憶體的使用與fastapi衝突，造成熱重載無法操作記憶體釋放進行更新

• 解決：「啟動參數」設置「開發狀態」判別是否載入rpy2套件

AI診斷結果與修改建議

根據您的程式碼，我可以看到您已經註解掉了 rpy2 相關的導入，這是一個明智的決定。rpy2 確實會導致 FastAPI 熱重載無效的問題，主要原因如下：

為什麼 rpy2 會影響 FastAPI 熱重載
C 擴展模組問題

rpy2 是一個包含 C 擴展的 Python 套件
當模組被載入後，C 擴展會在記憶體中保持狀態
Python 的熱重載機制無法完全卸載這些 C 擴展
R 環境持久化

rpy2 會啟動一個 R 環境實例
這個 R 環境會維持全域狀態
即使 Python 模組重新載入，R 環境仍然存在
記憶體管理衝突

R 和 Python 有不同的記憶體管理機制
熱重載時可能造成記憶體指針混亂
導致程式無法正確重新初始化

import pandas as pd
import numpy as np
# 將 rpy2 導入移到函數內部，避免模組層級導入
from typing import Dict, Any, List
import logging
import time
import os
from io import StringIO
from ..utils.date_utils import format_execution_time
from ..utils.encodeAscii2Utf8 import fix_chinese_encoding

logger = logging.getLogger(__name__)


def decision_tree_interaction_analysis(data: pd.DataFrame,
                                       target: str = "ooc_rate",
                                       method: str = "anova") -> Dict[str, Any]:
    """
    在需要時才導入 rpy2，避免影響熱重載
    """
    try:
        # 延遲導入 rpy2
        import rpy2.robjects as ro
        from rpy2.robjects import pandas2ri
        
        # 局部啟用 pandas 轉換
        with pandas2ri.localconverter(pandas2ri.default_converter):
            # 在這裡執行 R 相關操作
            # ... 您的分析邏輯 ...
            pass
            
        return {"status": "success", "data": "analysis_results"}
        
    except ImportError:
        logger.warning("rpy2 未安裝，使用替代方案")
        return {"status": "fallback", "message": "使用 Python 原生實現"}
    except Exception as e:
        logger.error(f"R 分析失敗: {e}")
        return {"status": "error", "message": str(e)}

其他建議
開發與生產環境分離

開發時使用純 Python 實現
生產環境才使用 R 分析
使用環境變數控制

透過環境變數決定是否載入 rpy2
開發時設定 USE_R=False
考慮替代方案

使用 scikit-learn 等 Python 原生套件
或將 R 分析獨立為外部服務
這樣可以確保 FastAPI 的熱重載功能正常運作，同時保留 R 分析的功能。