2018-06-30-django-17-Celery

用Flask把Python自动化脚本变成可收费的Web服务 Python自动化是提升办公效率的基础能力,其核心原理在于将重复性任务封装为可复用的逻辑单元;Flask作为轻量级Web框架,凭借极简路由、同步执行和零强制依赖的特性,成为实现‘自动化接口化’的理想载体——它不追求高并发或复杂生态,而是专注将.py脚本转化为非技术人员可操作的网页服务,从而跨越技术价值与商业变现之间的鸿沟;典型应用场景包括Excel处理、PDF生成、邮件通知等中小规模办公流水线;本文围绕Python自动化和Flask两大热词,详解如何从周末原型起步,构建稳定、安全、易交付的轻量级Web服务。 阅读详情

Celery简介

Celery 是一个 基于python开发的分布式异步消息任务队列,通过它可以轻松的实现任务的异步处理

Celery的相关概念

task

​ 需要执行的任务

worker

​ 负责干活儿的小弟

broker

​ 任务队列(worker拿任务的地方)

backend

​ 干完活儿 结果存放的位置

Celery基本工作流程

celery工作流程图

Celery的安装与使用

安装

sudo pip install celery
sudo pip install celery-with-redis
sudo pip install django-celery
sudo apt install redis-server

配置

settings.py文件

ALLOWED_HOSTS = ['*']
INSTALLED_APPS = [
	  ...
	  'djcelery',
	  ‘自己的APP’
	]
#---celery.conf----
import djcelery
djcelery.setup_loader()
BROKER_URL="redis://127.0.0.1:6379/1"	#这里的1代表使用redis的哪个库
CELERY_CONCURRENCY=2    #(设置worker的并发数量)
CELERY_RESULT_BACKEND = "redis://127.0.0.1:6379/3"#---celery.conf----
import djcelery
djcelery.setup_loader()
BROKER_URL="redis://127.0.0.1:6379/1"
CELERY_CONCURRENCY=2    #(设置worker的并发数量)
CELERY_RESULT_BACKEND = "redis://127.0.0.1:6379/3"


#计划任务

CELERYBEAT_SCHEDULE={
    'every-two-seconds-run-create_data':{
        'task':'t9.tasks.create_data',
        'schedule':timedelta(seconds=2),
        'args':()
    },
    'every-week-three-run-get_data_with_param':{
        'task':'t9.tasks.get_data_with_param',
        'schedule':crontab(day_of_week="3,4"),
        'args':()
    }
}
#----day09\celery.py-----

from __future__ import absolute_import
from celery import Celery
from django.conf import settings
import os

#设置系统的环境配置用的是django的
os.environ.setdefault('DJANGO_SETTING_MODULE','day09.settings')

#实例化celery
app = Celery("mycelery")
app.conf.timezone="Asia/Shanghai"
#指定celery的配置来源
app.config_from_object("django.conf:settings")
#让celery 自动发现我们的task任务
app.autodiscover_tasks(lambda: settings.INSTALLED_APPS)
#一定要注意,tasks.py文件不要写错,要不然找不到
#你需要在app目录下  新建一个叫tasks.py的文件

settings.py同级目录下的__init__.py加入

from __future__ import absolute_import
#绝对引用,位置必须在第一行
#python2需要这样写
from __future__ import absolute_import, unicode_literals
from .celery import app as celery_app

使用

1、在需要使用异步任务的APP目录下新建tasks.py

#---------t9\tasks.py-----------------


import time
from celery import task
from django.http import HttpResponse
import random

from .models import MyData
#文件写入的基本都是task函数

@task
def get_data():
    #假装在查数据
    time.sleep(3)
    # return HttpResponse('我正在running  ok')
    print('我正在running  ok')

@task
def get_data_with_param(loop):
    for i in range(loop):
        time.sleep(2)
        print("我被第{}次执行了".format(i))


@task
def create_data():
    num = random.randrange(100)
    MyData.objects.create(data="{}".format(num))

2、views.py内的调用

#-------t9\views.py---------------------


#任务函数名.delay(参数,,,,)


from django.http import HttpResponse
from django.shortcuts import render

from t9.models import MyData
from .tasks import get_data,get_data_with_param,create_data
from .my_singals import action
# Create your views here.

def index(request):
    # get_data()
    # loop = 3
    # get_data_with_param.delay(loop)
    create_data()
    return HttpResponse("我是辅助")


def test_singal(request):
    # obj = MyData()
    # obj.data = "hehe"
    # obj.save()
    action.send(sender="dada",data="hahaha")
    return HttpResponse("ok")

3、python manage.py migrate 建表

4、启动worker python manage.py celery worker --loglevel=info

​ **** (或者celery -A 你的工程名 worker -l info)

​ 注意修改tasks.py的时候要重启celery

5、注意也要启动你的django项目

​ python manage.py runserver 0:8000

定时任务

在settings.py文件添加
CELERYBEAT_SCHEDULE={
    'every-two-seconds-run-create_data':{
        'task':'t9.tasks.create_data',
        'schedule':timedelta(seconds=2),
        'args':()
    },
    'every-week-three-run-get_data_with_param':{
        'task':'t9.tasks.get_data_with_param',
        'schedule':crontab(day_of_week="3,4"),
        'args':()
    }
}

启动: celery -A 你的工程名称 beat -l info(或者python manage.py celery beat --loglevel=info)

计划任务时间

from celery.schedules import crontab
crontab(minute=u'00', hour=u'11',day_of_week='mon,tue,wed,thu,sun')

坑:

我们启动定时任务的时候

首先要开启worker

如果只开启定时任务,定时任务会被放入任务队列;

此时如果没有开启worker,那么任务是没有被执行的;

此时如果开启了worker,那么任务队列是有任务的,就去执行;(也就是说,就算你定时任务没开,无所谓,只要任务队列只要有任务,我就去执行)

Claude Opus 4.7 vs GPT-5.5:大模型代码生成的工程级实测对比 大模型代码生成已从概念验证迈入工程落地阶段,其核心价值在于能否输出可直接进入CI/CD流水线的生产就绪代码。这要求模型不仅掌握Python、TypeScript等语言语法,更要理解PEP 8规范、FastAPI中间件生命周期、Resilience4j熔断契约等隐性工程约束。技术本质是‘编程语义理解’与‘系统上下文建模’能力的综合体现,直接影响API开发效率、异步逻辑健壮性及微服务架构适配性。本文基于17个真实开发任务,聚焦可执行性、资源安全性与架构适配性三大硬指标,揭示Claude Opus 4.7在高可靠 阅读详情

相关推荐

CVAT-SAM vit-b本地部署:构建可审计的AI辅助标注工作流

CVAT(Computer Vision Annotation Tool)作为企业级图像标注平台,与SAM(Segment Anything Model)结合可实现点选式智能分割,大幅提升标注效率。其核心原理在于通过External Attribute Annotation(EAA)机制建立CVAT前端与独立SAM推理服务间的HTTP协同,完成坐标归一化、提示工程、掩码回传等关键链路。技术价值体现在数据主权可控、低延迟交互(vit-b模型端到端<500ms)、GPU资源可隔离,适用于工业质检、医疗影像、车规

weixin_34111790的博客 458

Django人脸识别门禁系统开发实战与优化

人脸识别技术作为计算机视觉的核心应用,通过特征提取与模式匹配实现身份验证。其技术原理主要依赖深度学习模型(如FaceNet)生成高维特征向量,再通过距离度量进行相似度判断。在工程实践中,系统需处理并发请求、光线变化等现实挑战,常见优化手段包括异步任务队列(如Celery)、动态阈值调整等。本文以Django框架构建的人脸识别门禁系统为例,详细解析了从活体检测、性能调优到安全防护的全链路实现方案。该系统在小区场景中达到98.7%的识别准确率,特别分享了Redis缓存特征向量、WebSocket实时推送等实战经

B1334628598的博客 326

面试复习题--RN面试

考察点:热更新方案的深度理解,选型能力,实战落地经验。答题思路主流热更新方案对比。

hqiangtai的博客 733

Django单元测试实战:从零搭建可落地的测试骨架

单元测试是保障Web应用稳定迭代的基础工程实践,其核心在于通过隔离环境、模拟请求与断言验证,确保业务逻辑变更不引发隐性故障。Django框架内置的TestCase机制,依托数据库事务快照与请求客户端模拟,实现了真实性与执行效率的平衡;结合APITestCase、freezegun、unittest.mock等工具,可覆盖模型校验、DRF接口、时间敏感逻辑及外部服务依赖等典型场景。本文聚焦Django项目中高频痛点——PyCharm卡顿配置、测试数据库初始化失败、API权限验证失效、Celery异步任务调试难

chongkuachan8070的博客 361

10BASE-T1S协议中的PLCA机制:实现无碰撞网络传输的关键

本文深入解析了10BASE-T1S协议中的PLCA(物理层冲突避免)机制。作为IEEE 802.3cg标准的关键部分,PLCA通过循环调度与机会传递,从根源上避免了网络碰撞,为工业与汽车等场景提供了确定性的低延迟传输保障,是实现可靠实时通信的核心技术。

weixin_29250403的博客 210

5090D显卡安装LLaMA-Factory避坑指南:PyTorch与CUDA版本兼容性问题解决

本文是针对5090D显卡安装LLaMA-Factory时遇到的PyTorch与CUDA版本兼容性问题的详细解决指南。文章深入剖析了因GPU架构代际差异导致的“no kernel image”报错根源,并提供了从环境诊断、安装匹配的PyTorch Nightly版本,到最终集成验证的完整路径,帮助用户确保LLaMA-Factory在5090D上稳定运行。

Apple的专栏 872

如何在Django中使用Celery?

最近写了一个Django项目,碰巧有个数据获取的功能延迟特别大(30s左右),严重影响用户的浏览体验,就想到了去尝试用celery解决。怎么说呢?会者不难,难者不会。这东西最初感觉挺简单的,搞了两天各种error,就找了一个视频系统的学习了一下,emmm还是有error。我这里主要是想通过Model来存数据,各种class引用报错,如果还不能解决的话都想过直接操作MySQL来写库了。 ...

emperinter的博客 3509

STM32单片机:驱动ADS1115四个通道全开程序

本文介绍了德州仪器(TI)的ADS1115高精度16位模数转换器(ADC)及其应用实现。该芯片具有16位分辨率、可编程增益放大器(PGA)和低功耗特性,支持±0.256V至±6.144V量程。文章提供了完整的C语言驱动代码,包括初始化、配置寄存器读写、单次/连续转换模式设置、电压值读取等功能实现。代码通过I2C接口与ADS1115通信,支持多通道选择和不同PGA设置,可实现高精度模拟信号采集。该方案适用于需要精密测量的嵌入式系统,如传感器数据采集等应用场景。

weixin_42122070的博客 691

并行分布式框架:Celery、rq、funboost

Celery是一个异步任务的调度工具,也可以叫做 "分布式任务队列(Distributed Task Queue)"。

freeking101的博客 5万+

微信小游戏马甲包过审策略

微信小游戏马甲包是指同一套游戏源码使用不同的名字包装上线微信小游戏平台。微信官方是不允许这样的方式上线小游戏,但是游戏运营方为了买量的需求,往往采用不同包装来,以获取更多流量。另外游戏发行以后,多家联运渠道都需要上线同一款小游戏,也存在马甲包的情况。 如果马甲包游戏源码上传时没有经过特殊处理,就会打回小游戏内容涉嫌代码包内容侵权,同时信用分-5(信用分越低,提审时间越长,一般保持在90分及以上才能保证快速审核)。微信官方回复结果如下: 目前,微信小游戏审核相比苹果商店审核还不算严格,基本上能突破代码

aqi22221的博客 4509

Python爬虫零基础入门【第九章:实战项目教学·第17节】内容指纹去重:URL 变体/重复正文的识别!

我长期专注 Python 爬虫工程化实战,主理专栏 👉 《Python爬虫实战》:从采集策略到反爬对抗,从数据清洗到分布式调度,持续输出可复用的方法论与可落地案例。内容主打一个“能跑、能用、能扩展”,让数据价值真正做到——抓得到、洗得净、用得上。

喵手的博客 828

python基于django的社区团购系统_0d5k06f6

基于Django的社区团购系统是一个结合电子商务与社交属性的平台,旨在优化本地化商品采购流程。系统采用B/S架构,后端使用Django框架,前端可搭配Vue.js或Bootstrap,数据库选用MySQL或PostgreSQL。核心功能包括用户管理、商品展示、订单处理、支付集成及团长管理模块,支持多角色(普通用户、团长、管理员)协同操作。Hadoop:Hadoop 是一个分布式计算平台,用于处理大规模数据。

QQ1304979694的博客 744

北斗导航 | 基于matlab的卫星导航单点定位算法

单点定位(Single Point Positioning, SPP)通过接收机观测至少4颗卫星的伪距(含误差的距离测量值),解算接收机位置(经度、纬度、高度)及钟差。HDOP < 2 为高精度定位条件。

尘世冰封的专栏 974

Django健身房预约系统开发实战与性能优化

现代预约系统通过数字化手段解决资源调度难题,其核心技术在于高并发处理和实时数据同步。以健身房场景为例,采用Django框架能快速构建包含教练池化管理、课程库存核销等核心模块的系统。系统设计中,WebSocket实现状态实时推送,分布式锁确保高并发下的数据一致性,这些工程实践显著提升运营效率。通过Elasticsearch智能推荐和异步任务队列等技术,系统可扩展支持多终端接入,满足日均3000+订单处理需求。本文详解的Django优化方案和容器化部署经验,对同类预约系统开发具有普适参考价值。

weixin_30697239的博客 464

Unity 热更 之 【HybirdCLR】+【YooAsset】 [安卓 Android端] [代码 + 资源热更] 功能的 简单实现演示

Unity热更有很多方案,各种lua热更,ILRuntime等,这里介绍的是YooAsset+HybridCLR的热更方案,HybridCLR负责更新c#代码,YooAsset负责更新资源。HybridCLR是一种创新的解决方案,专为 Unity 游戏开发中的热更新需求设计。它通过结合解释执行和 Ahead-of-Time (AOT) 编译技术,为跨平台的游戏开发提供了一种高效的热更新机制。原生C#热更新体验,开发工作流与传统Unity C#开发几乎相同,零学习和使用成本。

仙魁XAN 3866

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Django+Spark+MongoDB 构建高并发数据服务架构

在现代Web应用中,Django作为成熟Web框架擅长事务处理与快速响应,但面对海量日志分析、用户留存计算等OLAP场景时易出现性能瓶颈。其本质是将联机事务处理(OLTP)系统强行用于联机分析处理(OLAP),导致查询延迟高、数据库负载重。通过引入Apache Spark承担分布式批流一体计算,MongoDB支撑高吞吐、Schema灵活的原始数据存储,实现计算与服务解耦、异步执行与分层处理。该架构显著提升报表生成效率(如42分钟→92秒),支持按维度下钻与实时反馈,适用于SaaS平台、教育系统及IoT数据分

weixin_30443731的博客 387

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Django+Vue-Python Web全栈开发(共194节课)(课程下载)

Django+Vue-Python Web全栈开发(共194节课)

软希网分享源码的博客 1258

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

Django单元测试实战:从模型验证到视图全流程覆盖

Django单元测试是保障Web应用稳定性的核心工程实践,其本质是通过TestCase模拟数据库事务隔离、Client复现真实HTTP请求链路、并结合PostgreSQL等生产级数据库验证外键与约束行为。它不仅检验Model字段的max_length、unique、validator等数据契约,更覆盖视图层的权限控制、分页逻辑、重定向流程及异常分支(如IntegrityError、ValidationError)。在电商、SaaS等业务场景中,单元测试能提前暴露ORM隐式行为(如级联删除失效)、第三方集成脆

weixin_34396103的博客 653

PyCharm深度集成Buildout:Python工程化开发实战指南

Buildout是Zope/Plone生态中成熟的声明式Python应用构建协议,其核心价值在于实现可复现、可审计、分层可控的依赖与环境管理——这远超pip或venv的能力边界。它通过纯Python配置(buildout.cfg)统一协调源码开发、egg包解析、脚本生成与WSGI入口定义,天然适配复杂企业级场景,如LDAP集成、Celery异步任务、多数据库协同及Kubernetes部署。PyCharm对Buildout的原生支持并非简单语法高亮,而是深入解析develop路径、自动绑定src/源码根、注入

weixin_30908103的博客 538

自动化运维管理平台OpsManage部署

1. Opsmanage介绍 OpsManage 是一款进行设备资产、代码部署、应用部署、计划任务的管理平台,结合ansible进行自动化运维,可以在很大程度上解放运维工程师的双手。类似的运维平台还有腾讯的蓝鲸运维管理平台。 Git地址:https://github.com/welliamcao/OpsManage/blob/master/README.md 2. OpsManage安装 安...

变成习惯 1万+

Python开发实习全攻略:从小白到转正的18周实战之旅

Python以其简洁的语法、丰富的生态和广泛的应用场景(Web开发、数据分析、人工智能、自动化运维等),成为众多企业招聘实习生的热门技术栈。本文将围绕“Python开发工程师”实习岗位,系统性地解答这三个核心问题,帮助你理清思路,更有准备地开启第一段职业旅程。无论你是大二/大三正在寻找第一份实习,还是已经拿到Offer准备入职,这篇文章都能为你提供有价值的参考。这是你的“基础版”简历,需要清晰展示你的技术栈、项目经历和教育背景。理解这两者的区别,能帮助你更好地适应实习,并最大化实习价值。

热爱技术与前沿创新,深耕科技领域,在科创中精进自我;探索技术乐趣,分享技术干货与成长心得,以技术为伴,热爱生活,在科创与生活中双向成长。 281

OpenClaw可视化部署器:告别命令行的一键式低代码数据工作流安装方案

低代码数据工作流平台是当前AI工程化与教学落地的关键基础设施,其核心价值在于将数据接入、清洗、建模、可视化等能力封装为可复用、可配置的声明式单元。然而,传统基于Django+Redis+Celery的Python服务架构常伴随高运维门槛,导致非专业用户在环境配置、依赖管理、服务启停等环节频繁受阻。OpenClaw可视化部署器正是针对这一典型‘能力断层’问题设计的工程化解法——它不修改源码,而是通过Electron+Python混合架构构建跨平台图形安装向导,实现环境探针、流水线编排、运行态守护三阶段闭环,让

weixin_30776545的博客 429

Python 潮流周刊#45:越来越多的 AI 自动开发框架

△△请给“Python猫”加星标,以免错过文章推送你好,我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容,大部分为英文。本周刊开源,欢迎投稿[1]。另有电报频道[2]作为副刊,补充发布更加丰富的资讯,欢迎关注。特别提醒: 本期周刊赠书 5 本《Python语言及其应用(第2版)》,详情见文末。本文博客版链接(更好的阅读体验):https://pythoncat.top/posts...

Python猫 1638

Python自动化副业实战:用Flask从脚本到月入2万的轻量SaaS

Python自动化是提升个人工程效能与副业变现的核心能力,其本质是将重复性业务逻辑封装为可调度、可交付的服务。Flask凭借极简架构、低内存占用和热重载友好特性,成为中小规模自动化项目的首选Web框架,尤其适合无运维团队的独立开发者。相比Django的重型生态或FastAPI的异步复杂度,Flask在低QPS场景下展现出更优的开发效率与部署确定性。结合JSON文件存储、线程级任务调度、JWT无状态鉴权等轻量化实践,开发者能以最小技术冗余快速验证真实需求。本文聚焦‘周末项目→稳定副业’的完整路径,涵盖需求抽象

weixin_30706691的博客 414

Python timedelta 本质解析:时间长度标尺与业务超时健壮实践

timedelta 是 Python 中表示固定时间长度的核心类型,其底层仅存储 days、seconds 和 microseconds 三个整数,不包含日历、时区或闰秒语义——它不是‘日历差’,而是纯粹的‘物理时间增量’。这种设计保障了算术运算的确定性与跨时区安全性,但也导致开发者常将‘24小时’误等同于‘一天’,在夏令时切换、闰年处理及订单超时等场景中引发逻辑偏差。理解其归一化机制、与 relativedelta 的职责边界,以及在分布式定时任务、滑动窗口聚合和时序模拟中的正确用法,是构建高可靠时间敏感

babing2770的博客 416

AI大模型如何重构SaaS:从战略规划到工程落地的实战指南

AI 大模型会替代传统 SaaS 软件吗?这个问题在 DeepSeek 等模型爆火后,让无数 SaaS 公司的老板和技术决策者感到焦虑。一边是技术跃迁带来的价值范式转移,另一边是宏观经济承压、客户预算收紧的现实困境。这篇文章我们不谈空泛的概念,直接从技术融合、产品壁垒、市场模式三个维度,拆解 AI 大模型与 SaaS 软件的真实关系。你会看到,这并非简单的“替代”或“拯救”,而是一场关于组织能力、数据基座与生态协同的深度重构。 对于技术开发者和架构师而言,核心关切点在于:AI 能力如何以可量化、可集成、可运

weixin_30595035的博客 337
上一篇: 2018-06-29-django-16重写User模型
下一篇: 2018-07-01-django-18-邮件发送
mhh4399
博客等级 码龄9年 4粉丝 56原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值