首页
/ Redis Queue Dashboard FastAPI 安装与配置指南

Redis Queue Dashboard FastAPI 安装与配置指南

2025-04-20 11:11:01作者:姚月梅Lane

1. 项目基础介绍

Redis Queue Dashboard FastAPI 是一个基于 FastAPI 的轻量级 Web 前端,用于实时监控 RQ (Redis Queue) 队列、任务和工作者。该项目的目标是简化与 FastAPI 应用的集成,并提供一个方便的 Docker 镜像。

主要编程语言:Python

2. 项目使用的关键技术和框架

  • FastAPI: 一个现代、快速(高性能)的 Web 框架,用于构建 API,具有 Python 3.6+ 类型提示。
  • RQ (Redis Queue): 一个简单的 Python 库,用于管理 Redis 中的任务队列。
  • Redis: 一个开源的、高性能的键值存储系统。

3. 安装和配置准备工作

在开始安装之前,确保你的系统中已经安装了以下依赖项:

  • Python 3.6 或更高版本
  • Redis 服务器
  • Docker (可选,用于容器化部署)

详细安装步骤

步骤 1: 克隆项目仓库

首先,从 GitHub 上克隆项目仓库到本地环境:

git clone https://github.com/Hannes221/rq-dashboard-fast.git
cd rq-dashboard-fast

步骤 2: 安装项目依赖

使用 pip 安装项目所需的 Python 包:

pip install -r requirements.txt

步骤 3: 运行 FastAPI 应用

在项目根目录中,运行以下命令启动 FastAPI 应用:

uvicorn app:app --host 0.0.0.0 --port 8000

此时,FastAPI 应用应该已经在 8000 端口上运行,你可以通过浏览器访问 http://127.0.0.1:8000 来查看。

步骤 4: 集成 Redis Queue Dashboard

在你的 FastAPI 应用中,添加以下代码以集成 Redis Queue Dashboard:

from fastapi import FastAPI
from rq_dashboard_fast import RedisQueueDashboard

app = FastAPI()

dashboard = RedisQueueDashboard("redis://localhost:6379/")

app.mount("/rq", dashboard)

确保将 "redis://localhost:6379/" 替换为你的 Redis 服务器地址。

步骤 5: 使用 Docker 容器运行

如果你希望使用 Docker 容器来运行 Redis Queue Dashboard,可以创建一个 Dockerfile

FROM python:3.9-slim

WORKDIR /app

COPY requirements.txt requirements.txt
RUN pip install -r requirements.txt

COPY . .

CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8000"]

然后构建并运行 Docker 容器:

docker build -t rq-dashboard-fast .
docker run -p 8000:8000 --env REDIS_URL=redis://localhost:6379/ rq-dashboard-fast

确保你的 Docker 守护进程可以访问 Redis 服务器。

以上就是 Redis Queue Dashboard FastAPI 的详细安装和配置指南。按照以上步骤操作,你应该能够成功部署并运行该项目。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.49 K
kernelkernel
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
494
518
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287