Django Celery Beat 2.8.0 版本发布:更强大的定时任务管理
Django Celery Beat 是一个基于 Django 的 Celery 定时任务调度器扩展,它允许开发者使用 Django 的 ORM 来管理 Celery 的周期性任务。这个项目为 Django 应用提供了强大的定时任务管理能力,使得开发者可以方便地在数据库中创建、修改和监控周期性任务。
主要更新内容
1. 任务调度优化
新版本修复了长期周期性任务可能永远不会被触发的问题,这是一个重要的改进。在之前的版本中,如果任务的执行间隔设置得非常长(比如几个月或几年),调度器可能会出现计算错误,导致任务错过执行时间。这个修复确保了所有周期性任务都能按照预期的时间准确执行。
2. 时间计算修复
开发团队修复了由于 start_time 导致的时间计算问题。在某些情况下,任务的开始时间设置会影响后续执行时间的计算,导致任务执行时间偏离预期。这个修复确保了任务调度时间的准确性,特别是在处理跨时区或夏令时变更等复杂场景时。
3. 数据库查询优化
新版本对数据库调度器的查询进行了优化,特别是改进了 all_as_schedule 查询的性能。这个优化减少了数据库负载,提高了调度器在高负载环境下的响应速度,对于管理大量周期性任务的系统尤为重要。
4. 任务过期处理改进
修复了 expires 和 expire_seconds 参数工作不正常的问题。现在,任务的过期设置能够正常工作,确保过期的任务不会被错误地执行,同时也不会占用系统资源。
5. 管理界面增强
在 Django 管理后台中,新增了任务字段到搜索字段列表中。这使得管理员能够更方便地查找和过滤特定的周期性任务,提升了管理界面的可用性。
6. 人类可读描述改进
对于每周都执行的任务,现在的人类可读描述中移除了"一周中的每一天"的冗余描述,使任务描述更加简洁明了。
兼容性更新
Django Celery Beat 2.8.0 增加了对 Django 5.2 RC1 的支持,同时保持了对 Django 2.2 及以上版本的兼容性。此外,项目现在也支持 Python 3.13 的测试环境,确保了与最新 Python 版本的兼容性。
国际化支持
新版本增加了波斯语(Farsi)的翻译支持,使得非英语用户能够更好地使用这个工具。这体现了项目对国际化支持的持续投入。
测试和质量保证
项目持续改进其测试基础设施,包括:
- 迁移到 Blacksmith 工作流
- 增加了代码覆盖率报告上传到 Codecov 的功能
- 更新了 pre-commit 钩子配置
- 改进了持续集成流程
这些改进确保了代码质量和稳定性,为开发者提供了更可靠的定时任务管理工具。
总结
Django Celery Beat 2.8.0 版本带来了多项重要改进和修复,特别是在任务调度准确性、性能优化和管理界面可用性方面。这些改进使得它成为 Django 项目中管理 Celery 周期性任务的更加强大和可靠的选择。对于已经在使用 Django Celery Beat 的项目,建议升级到这个版本以获得更好的性能和稳定性。对于新项目,这个版本提供了更加完善的定时任务管理解决方案。
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-1.5暂无简介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
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
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