当前位置:首页 > 文章列表 > 文章 > python教程 > 在 Django 中使用 SQLite 作为 Celery 代理

在 Django 中使用 SQLite 作为 Celery 代理

来源:dev.to 2024-07-25 14:12:56 0浏览 收藏

目前golang学习网上已经有很多关于文章的文章了,自己在初次阅读这些文章中,也见识到了很多学习思路;那么本文《在 Django 中使用 SQLite 作为 Celery 代理》,也希望能帮助到大家,如果阅读完后真的对你学习文章有帮助,欢迎动动手指,评论留言并分享~

在 Django 中使用 SQLite 作为 Celery 代理

redis 和 rabbitmq 可能是使用 celery 时的首选代理,但当您在本地开发时,它们可能会让人感觉大材小用。 celery 5.4 的文档提到您可以使用 sqlite 作为本地开发的实验代理。然而,当您导航到 celery 的后端和代理页面时,唯一提到的 sql 是针对 sqlalchemy 后端。值得庆幸的是,该页面指出,“本节并未全面介绍后端和代理。”

这篇文章将向您展示如何在 django 项目中为 celery 实现 sqlite 代理(或任何 sql!)。这篇文章不会教你使用 celery:查看 celery 官方文档。

在我们开始之前

出于本文的目的,我们假设您已经有一个现有的 django 项目,并且使用 celery 官方“django 的第一步”指南中的步骤安装了 celery。 celery 后端不是必需的,但您可能需要按照指南的步骤安装和配置 django-celery-results。如果您不清楚后端和经纪人之间的区别,请查看我的文章“了解 celery 中的任务、经纪人、工作人员和后端”。

除非另有明确说明,所有源文档链接均适用于发布时(2024 年 7 月)当前版本的 django、celery 和 sqlalchemy。如果你在遥远的将来读到这篇文章,事情可能已经改变了。

设置 sql 代理

虽然 celery 管理任务和队列,但它委托给另一个名为 kombu 的库来与代理交换消息。 rabbitmq 和 redis 是 kombu 功能最齐全的传输(代理),但它还具有适用于 amazon sqs、zookeeper 和 mongodb 的虚拟传输。

隐藏在 kombu 文档的最角落里的是一个支持 postgresql、mysql 和 sqlite 的 sqlalchemy 传输模型。曾几何时,sqlalchemy 代理甚至在 celery 的网站上有记录,但此后它已从库的新版本的文档中删除。尽管如此,它仍然足以满足当地的发展。

要在 django 应用程序中使用后续数据库作为 celery 代理,请首先安装 sqlalchemy:

pip install sqlalchemy

在 django 项目的 settings.py 文件中,您可以使用 celery_broker_url 设置来设置代理的后端:

# base_dir is the directory of your project's main directory.

celery_broker_url = f"sqlalchemy+sqlite:////{base_dir}/broker.sqlite3"

sqlalchemy 经纪人 url 由 3 部分组成:

  1. 字符串 sqlalchemy 或 sqla (它们可以互换)
  2. a+号
  3. 一个 sqlalchemy 连接字符串

mac/unix 和 windows 上的 sqlite 连接字符串是不同的:

# macos/unix
celery_broker_url = "sqla+sqlite:////your/project/path/broker.sqlite3"

# windows
celery_broker_url = "sqla+sqlite:///c:your\\project\\path\\broker.sqlite3"

您还可以使用 postgres 作为 celery 代理,或者您也可以轻松使用 mysql 作为 celery 代理:

# mysql
celery_broker_url = "sqlalchemy+mysql://scott:tiger@localhost/foo"

# postgresql
celery_broker_url = "sqla+postgresql://scott:tiger@localhost/mydatabase"

# posgresql connecting using pg8000
celery_broker_url = "sqla+postgresql+pg8000://scott:tiger@localhost/mydatabase"

您可能需要安装其他库来连接 mysql 或 postgresql,您安装的库可能会影响 sqlalchemy 连接字符串。检查 sqlalchemy 数据库 url 文档以获取更多详细信息。

无论您选择哪个数据库,您都可能需要考虑将代理 url 存储在环境变量中,以便在不同环境中轻松更改:

CELERY_BROKER_URL = os.getenv("CELERY_BROKER_URL")

一句警告

sqlalchemy 传输可能被认为是实验性的,因此它不适合生产使用。可能会发生数据丢失,或者消息可能会被多次传送。考虑切换到 celery 的经纪商和后端页面上列出的更强大的经纪商。

也就是说,这对于本地开发,甚至小型副项目来说可能没问题。但如果将来无法使用 sqlalchemy 作为代理,我也不会感到震惊。

下一步

在本地运行 celery 后,您就可以开始开发队列驱动的应用程序了。然而,您可能会发现它缺乏自动重新加载是一个摩擦点。如果您想在 django 应用程序中设置自动 celery 重新加载,请阅读我的文章“使用自定义 django 命令自动重新加载 celery 工作线程。”

到这里,我们也就讲完了《在 Django 中使用 SQLite 作为 Celery 代理》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
精准狙击Llama 3.1?Mistral AI开源Large 2,123B媲美Llama 405B精准狙击Llama 3.1?Mistral AI开源Large 2,123B媲美Llama 405B
上一篇
精准狙击Llama 3.1?Mistral AI开源Large 2,123B媲美Llama 405B
CSS 魔法:优雅的单行代码
下一篇
CSS 魔法:优雅的单行代码
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    343次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    403次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    404次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    362次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    184次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码