Procrastinate 3.2.0发布:批量任务调度与性能优化
项目简介
Procrastinate是一个基于Python的异步任务队列系统,它允许开发者将耗时的任务推迟执行,从而提高应用程序的响应速度。与Celery等传统任务队列不同,Procrastinate直接使用PostgreSQL作为后端存储,无需额外的中间服务,简化了架构复杂度。它特别适合那些已经使用PostgreSQL作为数据库的项目。
核心特性更新
批量任务调度功能
3.2.0版本最显著的改进是引入了批量任务调度功能。在此之前,开发者只能逐个提交延迟任务,这在需要创建大量任务时会导致性能瓶颈。新版本通过batch_defer_jobs方法,允许一次性提交多个任务,大幅减少了数据库交互次数。
这项改进对于以下场景特别有价值:
- 批量数据处理任务
- 需要同时触发多个后续操作的场景
- 高吞吐量应用中的任务调度
类型系统增强
新版本对JSONValue类型进行了递归定义,这意味着现在可以更精确地描述嵌套的JSON数据结构。这一改进增强了类型检查能力,帮助开发者在编码阶段就能发现潜在的数据结构问题。
性能优化与改进
工作进程模型
3.2.0版本引入了Django工作进程模型,为使用Django框架的项目提供了更紧密的集成。这一改进使得在Django环境中管理Procrastinate工作进程更加方便。
代码质量提升
开发团队对代码库进行了多项优化:
- 移除了未使用的"success"作业状态字段,简化了状态管理
- 改进了预提交钩子的触发逻辑,只在相关文件修改时运行
- 修复了许可证和包配置问题,确保合规性
使用建议
对于现有用户,升级到3.2.0版本需要注意以下几点:
-
数据库迁移:新版本包含两个数据库迁移文件,分别处理批量任务调度功能的前置和后置操作。在升级前应确保已备份数据库。
-
性能测试:虽然批量任务调度功能可以显著提高性能,但建议在生产环境部署前进行充分的负载测试,特别是对于高并发场景。
-
类型检查:如果项目中使用了我类型提示,更新后可能会发现新的类型错误,这是由于JSONValue类型的改进导致的更严格检查。
未来展望
从3.2.0版本的更新方向可以看出,Procrastinate团队正致力于:
- 提高大规模任务调度的性能
- 增强与流行框架(如Django)的集成
- 改进开发者体验,包括更好的类型支持和工具链
对于考虑采用任务队列系统的团队,Procrastinate 3.2.0提供了一个轻量级但功能完备的解决方案,特别适合那些希望减少系统复杂度、已经使用PostgreSQL的项目。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00