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。
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