django-celery-monitor 的安装和配置教程
项目基础介绍
django-celery-monitor 是一个开源项目,它允许用户监控 Celery 任务和工作者(workers)。该项目定义了两个模型 WorkerState 和 TaskState 来存储工作者和任务的状态,用户可以像操作其他 Django 模型一样查询这些数据库表。此外,它还提供了一个 Camera 类,与 Celery 事件命令行工具配合使用,自动将当前 Celery 工作者和任务的状态填充到这两个模型中。
该项目主要使用 Python 编程语言。
项目使用的关键技术和框架
- Django: 一个高级的 Python Web 框架,它鼓励快速开发和干净、实用的设计。
- Celery: 一个异步任务队列/作业队列,基于分布式消息传递进行工作。
准备工作
在开始安装 django-celery-monitor 之前,请确保您的系统中已经安装了以下软件:
- Python (建议版本 3.6 或更高)
- Django (建议版本 2.2 或更高)
- Celery (建议版本 4.0 或更高)
- pip (Python 包管理器)
此外,您还需要一个 Django 项目,因为 django-celery-monitor 是作为 Django 项目的一部分进行安装和使用的。
安装步骤
-
安装
django-celery-monitor库:在您的终端或命令提示符中运行以下命令:
pip install django_celery_monitor -
将
django_celery_monitor添加到您的 Django 项目的settings.py文件中的INSTALLED_APPS列表中:INSTALLED_APPS = ( # ... 'django_celery_monitor', # ... )注意,模块名称中只有下划线,没有破折号。
-
执行数据库迁移来创建 Celery 数据库表:
在您的终端或命令提示符中运行以下命令:
python manage.py migrate celery_monitor -
在 Django 管理界面中查找 "Celery Monitor" 部分,您应该能够看到监控的数据。
-
启动监控过程:
为了启用对当前任务和工作者状态的快照,您需要运行 Celery 事件命令,并使用
django_celery_monitor.camera.Camera类:celery -A proj events -l info --camera django_celery_monitor.camera.Camera --frequency=2.0对于可用的命令行选项的完整列表,请运行:
celery events --help -
配置监控数据保留期限(可选):
在您的 Celery 配置中,您可以设置以下三个配置项,以确定监控信息在数据库中保留的时间。每个配置项都可以是
datetime.timedelta值或None。monitor_task_success_expires:默认为timedelta(days=1)(1 天),用于设置保留成功任务信息的时间。monitor_task_error_expires:默认为timedelta(days=3)(3 天),用于设置保留错误任务信息的时间。monitor_task_pending_expires:默认为timedelta(days=5)(5 天),用于设置保留挂起任务信息的时间。
例如,要修改成功任务的保留时间为 7 天,可以在 Celery 配置中添加以下代码:
from datetime import timedelta monitor_task_success_expires = timedelta(days=7)
完成以上步骤后,您就成功安装并配置了 django-celery-monitor。现在您可以监控您的 Celery 任务和工作者了。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00