SidekiqUniqueJobs:确保 Sidekiq 任务唯一性的利器
2025-01-15 02:08:59作者:裴锟轩Denise
在后台任务处理中,确保任务唯一性是避免重复执行和资源浪费的关键。SidekiqUniqueJobs 是一个为 Sidekiq 任务添加唯一性约束的开源项目。本文将详细介绍 SidekiqUniqueJobs 的安装、配置和使用方法,帮助开发者有效地管理任务执行。
安装 SidekiqUniqueJobs
系统要求
在安装 SidekiqUniqueJobs 之前,请确保满足以下系统要求:
- Sidekiq 版本不低于 5.0(推荐 5.2 或更高版本)
- Ruby 版本 MRI 2.5 或更高(推荐 2.6 或更高版本),或 JRuby 9.0 或更高(推荐 9.2 或更高版本)
- Redis 服务器版本不低于 3.2(推荐 5.0 或更高版本)
安装步骤
-
将以下代码添加到应用的 Gemfile 中:
gem 'sidekiq-unique-jobs' -
执行
bundle install命令以安装 SidekiqUniqueJobs。 -
在
config/initializers/sidekiq.rb文件中配置 Sidekiq 和 SidekiqUniqueJobs 的中间件:require "sidekiq-unique-jobs" Sidekiq.configure_server do |config| config.redis = { url: ENV["REDIS_URL"], driver: :hiredis } config.client_middleware do |chain| chain.add SidekiqUniqueJobs::Middleware::Client end config.server_middleware do |chain| chain.add SidekiqUniqueJobs::Middleware::Server end SidekiqUniqueJobs::Server.configure(config) end Sidekiq.configure_client do |config| config.redis = { url: ENV["REDIS_URL"], driver: :hiredis } config.client_middleware do |chain| chain.add SidekiqUniqueJobs::Middleware::Client end end
使用 SidekiqUniqueJobs
创建第一个任务
以下是一个使用 SidekiqUniqueJobs 的简单任务示例:
class UniqueJob
include Sidekiq::Worker
sidekiq_options lock: :until_executed
def perform
# 执行任务逻辑
end
end
在这个例子中,lock: :until_executed 选项确保了在任务执行期间,相同的任务不会被重复放入队列。
锁类型
SidekiqUniqueJobs 提供了多种锁类型,以满足不同的任务需求:
:until_executing:从任务入队到开始执行期间锁定。:until_executed:从任务入队到执行完成后解锁。:until_expired:任务在指定时间后解锁,适用于定期任务。:until_and_while_executing:结合:until_executing和:while_executing的锁定效果。:while_executing:任务执行期间锁定。
冲突策略
当无法获取锁时,可以通过设置冲突策略来决定任务的后续行为。可用的冲突策略包括:
:log:记录冲突并继续。:raise:抛出异常并重试任务。:reject:拒绝任务并从队列中移除。:replace:替换当前队列中的任务。:reschedule:重新安排任务执行。
结论
SidekiqUniqueJobs 是一个强大的工具,可以帮助开发者确保 Sidekiq 任务唯一性,避免不必要的重复执行和资源浪费。通过本文的介绍,开发者可以开始使用 SidekiqUniqueJobs,并根据自己的需求选择合适的锁类型和冲突策略。要了解更多关于 SidekiqUniqueJobs 的信息,可以访问项目地址:https://github.com/mhenrixon/sidekiq-unique-jobs.git。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137