亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

django+celery+RabbitMQ自定義多個(gè)消息隊(duì)列的實(shí)現(xiàn)

 更新時(shí)間:2023年02月22日 15:53:55   作者:Hello_Mr_Zheng  
本文主要介紹了django+celery+RabbitMQ自定義多個(gè)消息隊(duì)列的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

關(guān)于django celery的使用網(wǎng)上有很多文章,本文就不多做更多的說明。

本文使用版本

  • python==3.8.15
  • Django==3.2.4
  • celery==5.2.7

celery.py

from __future__ import absolute_import, unicode_literals
import os
from celery import Celery
from kombu import Exchange, Queue

# set the default Django settings module for the 'celery' program.
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'zkcelery.settings')

app = Celery('zkcelery')

# Using a string here means the worker doesn't have to serialize
# the configuration object to child processes.
# - namespace='CELERY' means all celery-related configuration keys
#   should have a `CELERY_` prefix.
app.config_from_object('django.conf:settings', namespace='CELERY')

# Load task modules from all registered Django app configs.
app.autodiscover_tasks()

# 看了一篇文章說,如果使用redis做broker,exchange可以不配置;但如果使用rabbitMQ做broker,就必須要配置。
queue = (
    Queue('default', exchange=Exchange('default', type='direct'), routing_key='default'),
    Queue('q1', exchange=Exchange('e1', type='direct'), routing_key='r1'),
    Queue('q2', exchange=Exchange('e2', type='direct'), routing_key='r2'),
    Queue('q3', exchange=Exchange('e3', type='fanout'), routing_key='r3'),
)

# 一旦配置了route后,所有的任務(wù)名都必須要指定route,否則任務(wù)無法執(zhí)行。
# 經(jīng)過測(cè)試,route匹配是最長匹配規(guī)則。
route = {
    'apps.zhiding.tasks.add': {'queue': 'q1', 'routing_key': 'r1'},
    'apps.zhiding.tasks.multiply': {'queue': 'q2', 'routing_key': 'r2'},
    # 其它的任務(wù)名稱,匹配這條路由
    # 如果以上隊(duì)列的worker服務(wù)器壞了,這些任務(wù)會(huì)被全部放進(jìn)這個(gè)隊(duì)列里,該隊(duì)列的worker將繼續(xù)處理這些任務(wù)
    # 下面這條隊(duì)列一定要配置,否則其它任務(wù)無法處理。
    '*': {'queue': 'default', 'routing_key': 'default'},
}
app.conf.update(CELERY_QUEUES=queue, CELERY_ROUTES=route)

tasks.py

from celery import shared_task
import time


@shared_task
def add(x, y):
    time.sleep(2)
    print('任務(wù)睡眠2秒后執(zhí)行了')
    return x + y


@shared_task
def multiply(x, y):
    time.sleep(5)
    print('任務(wù)睡眠5秒后執(zhí)行了')
    return x * y


@shared_task
def sub(x, y):
    time.sleep(4)
    print('任務(wù)睡眠4秒后執(zhí)行了')
    return x - y

筆者也看了很多博文,在settings.py配置文件中寫入CELERY_QUEUESCELERY_ROUTES,上面的配置對(duì)應(yīng)下來就是如下代碼塊:

CELERY_QUEUES = (
    Queue('default', exchange=Exchange('default', type='direct'), routing_key='default'),
    Queue('sq1', exchange=Exchange('sq1', type='direct'), routing_key='sq1'),
    Queue('sq2', exchange=Exchange('sq2', type='direct'), routing_key='sq2'),
    Queue('sq3', exchange=Exchange('sq3', type='fanout'), routing_key='sq3'),
)
CELERY_ROUTES = {
    'apps.zhiding.tasks.add': {'queue': 'sq1', 'routing_key': 'sq1'},
    'apps.zhiding.tasks.multiply': {'queue': 'sq2', 'routing_key': 'sq2'},
    '*': {'queue': 'default', 'routing_key': 'default'},
}

但是筆者在實(shí)際使用中發(fā)現(xiàn)后面這種方式配置始終未生效,不知道是不是筆者版本的不同,沒有做更多的研究,如果你能找到問題的原因,歡迎評(píng)論交流。

啟動(dòng)worker

# 筆者使用的windows,啟動(dòng)時(shí)需要加上-P eventlet
celery -A zkcelery worker -l info -P eventlet

啟動(dòng)后隊(duì)列中出現(xiàn)配置中的個(gè)隊(duì)列

同時(shí)會(huì)在rabbitmq中創(chuàng)建(如果不存在)4個(gè)隊(duì)列,交換機(jī)和相應(yīng)的綁定關(guān)系(當(dāng)然也可以直接通過rabbitmq管理端直接創(chuàng)建自己需要的隊(duì)列、交換機(jī)和綁定,具體根據(jù)個(gè)人習(xí)慣或者視工作場(chǎng)景而定選擇)

以隊(duì)列q1示例:

暫時(shí)先關(guān)閉worker,便于觀察消息隊(duì)列中的消息。
向隊(duì)列中發(fā)送幾條消息,消息均進(jìn)入到配置中指定的queue中

再次啟動(dòng)worker,隊(duì)列中的消息立馬被消費(fèi)

如何做到消費(fèi)指定的隊(duì)列中的消息,只需要啟動(dòng)的時(shí)候加上參數(shù)Q

# -Q指定消費(fèi)的隊(duì)列
# -n 指定worker節(jié)點(diǎn)的名稱,避免啟動(dòng)多個(gè)時(shí)的重名沖突
celery -A zkcelery worker -l info -Q q1 -n node1 -P eventlet

可以看到終端中queues只有q1了

q1中的消息被消費(fèi)掉了,其他隊(duì)列沒有變化

也可以同時(shí)指定多個(gè)消費(fèi)隊(duì)列

celery -A zkcelery worker -l info -Q q2,default -n node2 -P eventlet

當(dāng)然也可以在生產(chǎn)方指定推送的隊(duì)列,舉例如下:

到此這篇關(guān)于django+celery+RabbitMQ自定義多個(gè)消息隊(duì)列的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)django celery RabbitMQ消息隊(duì)列內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • 將tensorflow.Variable中的某些元素取出組成一個(gè)新的矩陣示例

    將tensorflow.Variable中的某些元素取出組成一個(gè)新的矩陣示例

    今天小編就為大家分享一篇將tensorflow.Variable中的某些元素取出組成一個(gè)新的矩陣示例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • Django模板Templates使用方法詳解

    Django模板Templates使用方法詳解

    這篇文章主要介紹了Django模板Templates使用方法詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-07-07
  • 使用python實(shí)現(xiàn)學(xué)生信息管理系統(tǒng)

    使用python實(shí)現(xiàn)學(xué)生信息管理系統(tǒng)

    這篇文章主要為大家詳細(xì)介紹了使用python實(shí)現(xiàn)學(xué)生信息管理系統(tǒng),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2021-02-02
  • PyCharm使用教程之搭建Python開發(fā)環(huán)境

    PyCharm使用教程之搭建Python開發(fā)環(huán)境

    由于python的跨平臺(tái)性。在windows下和ubuntu下基本上沒什么差別。下面從幾個(gè)不步驟來搭建開發(fā)環(huán)境。
    2016-06-06
  • Tensorflow模型實(shí)現(xiàn)預(yù)測(cè)或識(shí)別單張圖片

    Tensorflow模型實(shí)現(xiàn)預(yù)測(cè)或識(shí)別單張圖片

    這篇文章主要為大家詳細(xì)介紹了Tensorflow模型實(shí)現(xiàn)預(yù)測(cè)或識(shí)別單張圖片,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-07-07
  • pytorch中部分矩陣乘法和數(shù)組乘法的小結(jié)

    pytorch中部分矩陣乘法和數(shù)組乘法的小結(jié)

    本文主要介紹了pytorch中部分矩陣乘法和數(shù)組乘法的小結(jié),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-03-03
  • python中Tkinter詳細(xì)基礎(chǔ)教學(xué)實(shí)例代碼

    python中Tkinter詳細(xì)基礎(chǔ)教學(xué)實(shí)例代碼

    這篇文章主要給大家介紹了關(guān)于python中Tkinter詳細(xì)基礎(chǔ)教學(xué)的相關(guān)資料,文中介紹了如Label、Button、Entry、Text、Frame、Menu、Canvas、Messagebox等的基本屬性和用法,并介紹了布局管理器pack、grid和place的使用方法,需要的朋友可以參考下
    2024-12-12
  • 在windows下Python打印彩色字體的方法

    在windows下Python打印彩色字體的方法

    這篇文章主要介紹了Python在windows下打印彩色字體的方法;具有很好的參考價(jià)值,希望對(duì)大家有所幫助,一起跟隨小編過來看看吧
    2018-05-05
  • Python使用add_subplot與subplot畫子圖操作示例

    Python使用add_subplot與subplot畫子圖操作示例

    這篇文章主要介紹了Python使用add_subplot與subplot畫子圖操作,涉及Python使用matplotlib模塊進(jìn)行圖形繪制的相關(guān)操作技巧,需要的朋友可以參考下
    2018-06-06
  • Pandas數(shù)據(jù)分析之批量拆分/合并Excel

    Pandas數(shù)據(jù)分析之批量拆分/合并Excel

    怎樣將一個(gè)大的Excel拆分,或者將很多小Excel文件合并?下面這篇文章主要給大家介紹了關(guān)于Pandas數(shù)據(jù)分析之批量拆分/合并Excel的相關(guān)資料,需要的朋友可以參考下
    2021-09-09

最新評(píng)論