在Django项目中使用Chancy任务队列的完整指南
2025-06-05 13:15:57作者:董斯意
Chancy是一个功能强大的任务队列系统,可以与Django框架无缝集成。本文将详细介绍如何在Django项目中使用Chancy,包括基本配置、与Django ORM的集成以及管理后台的使用技巧。
安装与基础配置
首先需要安装Chancy及其Django相关组件:
pip install chancy[cli,django]
安装完成后,我们需要创建一个worker配置文件。这个文件通常放在Django项目的settings.py同级目录下,命名为worker.py:
import os
os.environ.setdefault("DJANGO_SETTINGS_MODULE", "my_application.settings")
import django
django.setup()
from django.conf import settings
from chancy import Chancy
chancy_app = Chancy(settings.DATABASES["default"])
这个配置做了以下几件事:
- 设置Django环境变量
- 初始化Django
- 使用Django默认数据库配置创建Chancy应用实例
运行Worker进程
配置完成后,可以通过以下命令初始化数据库并启动worker:
chancy --app my_application.worker.chancy_app misc migrate
chancy --app my_application.worker.chancy_app worker start
这两条命令分别执行:
- 数据库迁移(创建Chancy需要的表结构)
- 启动worker进程处理任务
Django ORM与Admin集成
从0.22.0版本开始,Chancy提供了与Django ORM和Admin后台的深度集成功能。要启用这些功能,需要在settings.py中添加:
INSTALLED_APPS = [
...
"chancy.contrib.django",
]
如果还需要使用定时任务(Cron)和工作流(Workflow)功能,可以添加对应的插件:
INSTALLED_APPS = [
...
"chancy.contrib.django",
"chancy.plugins.cron.django",
"chancy.plugins.workflow.django",
]
集成后,你可以在Django Admin中:
- 查看和管理所有任务
- 配置队列和工作线程
- 创建和管理定时任务
- 监控工作流状态
在代码中使用Chancy
集成后,你可以直接在Django代码中使用Chancy的功能:
from chancy.contrib.django.models import Job
# 推送一个新任务
j = await chancy.push(test_job)
# 通过ORM查询任务状态
orm_job = await Job.objects.aget(id=j.identifier)
认证集成
Chancy还支持使用Django的超级用户进行认证,这对于管理后台特别有用。配置方法如下:
from chancy.contrib.django.auth import DjangoAuthBackend
app = Chancy(
dsn=settings.DATABASES["default"],
plugins=[
Api(
authentication_backend=DjangoAuthBackend(),
secret_key=settings.SECRET_KEY,
),
],
)
这样配置后,Django的超级用户就可以直接登录Chancy的管理界面了。
注意事项
- 当前版本要求Chancy的表必须与Django默认数据库在同一个数据库中
- 定时任务和工作流插件是可选的,根据项目需求选择安装
- 异步任务处理需要确保Django环境正确初始化
通过以上配置,你可以轻松地在Django项目中集成Chancy任务队列系统,享受高效的任务处理能力,同时还能利用熟悉的Django ORM和Admin界面进行管理。
登录后查看全文
热门项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
535
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler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。
C
336
178