PerfectQueue 技术文档
2024-12-27 15:03:50作者:董灵辛Dennis
本文档旨在帮助用户详细了解和正确使用 PerfectQueue 项目,内容包括安装指南、项目使用说明、项目API使用文档以及项目安装方式。
1. 安装指南
PerfectQueue 是基于关系型数据库(RDBMS)构建的高可用分布式队列。以下是安装 PerfectQueue 的步骤:
-
准备关系型数据库。PerfectQueue 支持的数据库配置在
config/perfectqueue.yml文件中进行设置。 -
初始化数据库。使用以下命令初始化 PerfectQueue 后端数据库:
$ perfectqueue init -
根据需要配置
config/perfectqueue.yml文件,包括数据库连接信息、日志文件路径、子进程数量等。
2. 项目使用说明
PerfectQueue 提供了与 Amazon SQS 类似的 API,以下是如何使用 PerfectQueue 的基本步骤:
提交任务
在 Ruby 代码中,使用以下方式提交任务:
PerfectQueue.open(config) do |queue|
data = {'key' => 'value'}
queue.submit("task-id", "type1", data)
end
处理任务
要处理任务,你需要创建一个继承自 PerfectQueue::Application::Base 的处理器类,并实现 run 方法:
class TestHandler < PerfectQueue::Application::Base
def run
puts "acquired task: #{task.inspect}"
task.finish!
end
end
然后,定义一个路由类 PerfectQueue::Application::Dispatch,指定任务类型与处理器的对应关系:
class Dispatch < PerfectQueue::Application::Dispatch
route "type1" => TestHandler
end
最后,运行工作进程来处理队列中的任务:
$ perfectqueue run -I. -rapp/workers/dispatch Dispatch
3. 项目API使用文档
以下是 PerfectQueue 的主要 API 方法:
PerfectQueue.open(config, &block): 打开队列。Queue#submit(task_id, type, data, options={}): 提交一个新任务。Queue#poll: 轮询一个任务(通常不需要直接使用此方法)。AcquiredTask#data: 获取与任务关联的数据。AcquiredTask#finish!: 完成任务。AcquiredTask#retry!: 重试任务。Queue#[](key): 创建一个任务引用。Task#exists?: 检查任务是否存在。Task#force_finish!: 强制完成一个任务。
4. 项目安装方式
PerfectQueue 的安装方式通常有两种:
- 通过命令行工具
perfectqueue运行相关的命令,如初始化数据库、提交任务、列出任务、强制完成任务等。 - 在 Ruby 应用程序中引入 PerfectQueue 库,并按照 API 文档编写代码来使用队列。
确保在运行命令行工具或 Ruby 应用程序之前,已经正确配置了 config/perfectqueue.yml 文件。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248