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。
kernelopenEuler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。C081
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0135
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00