技术文档:girl_friday 异步任务处理库
本文档旨在帮助用户安装、使用和理解 girl_friday 项目,这是一个用于执行 Ruby 应用程序中异步任务的库。
1. 安装指南
推荐使用 JRuby 1.6+ 或 Rubinius 2.0+ 来运行 girl_friday。这些是当前执行 Ruby 代码的优秀选择。
使用以下命令安装 girl_friday:
gem install girl_friday
girl_friday 不支持 Ruby 1.8 (MRI),因为它没有原生线程支持。Ruby 1.9.3 可以在配合释放 GIL 的网络 I/O 插件(如 mysql2)时工作得很好,但不要使用原始的 mysql 插件。
2. 项目使用说明
在 Gemfile 中添加 girl_friday:
gem 'girl_friday'
在 Rails 应用的 config/initializers/girl_friday.rb 文件中定义你的队列:
EMAIL_QUEUE = GirlFriday::WorkQueue.new(:user_email, :size => 3) do |msg|
UserMailer.registration_email(msg).deliver
end
IMAGE_QUEUE = GirlFriday::WorkQueue.new(:image_crawler, :size => 7) do |msg|
ImageCrawler.process(msg)
end
:sizesize是要启动的工作线程数,默认为 5。如果工作线程访问数据库,请确保在config/database.yml` 中设置足够的连接池大小。
要使用 Redis 后端,需要使用 connection_pool 插件来共享 Redis 连接:
require 'connection_pool'
redis_pool = ConnectionPool.new(:size => 5, :timeout => 5) { Redis.new }
CLEAN_FILTER_QUEUE = GirlFriday::WorkQueue.new(:clean_filter, :store => GirlFriday::Store::Redis, :store_config => { :pool => redis_pool }) do |msg|
Filter.clean(msg)
end
在控制器动作或模型中,可以调用 #push(msg) 方法:
EMAIL_QUEUE.push(:email => @user.email, :name => @user.name)
传递给 push 方法的消息参数是一个哈希,其内容完全由用户定义。
消息处理块不应访问任何实例数据或块外部的变量。这是共享的可变状态,操作起来非常危险。强烈建议队列处理块非常简短,最好是仅包含一到两个方法调用。这样可以轻松地对这些方法进行单元测试,而不是处理块本身。
可以调用 GirlFriday::WorkQueue.immediate! 来立即处理任务,这在测试时非常有用。GirlFriday::WorkQueue.queue! 会恢复默认行为,任务将由演员处理。
即使没有对队列的引用,队列也不会被垃圾收集,直到它们被关闭。如果您动态创建队列,请确保调用 WorkQueue#shutdown 以避免内存泄漏。GirlFriday.shutdown! 将关闭进程中的所有运行队列。
3. 项目 API 使用文档
请参考 girl_friday 的 wiki 获取更多详细信息、高级选项和调整内容。您将找到关于使用 Redis 进行队列持久化、实现干净关闭、查询运行时度量的详细信息,以及更多内容。
4. 项目安装方式
如上所述,使用以下命令安装 girl_friday:
gem install girl_friday
请确保选择合适的 Ruby 环境(JRuby 或 Rubinius),并根据需要调整数据库连接池配置。
本文档由 CSDN 公司开发的 InsCode AI 大模型撰写,旨在为 girl_friday 用户提供了全面的安装和使用指南。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust067- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00