RQ Dashboard FastAPI 使用教程
2025-04-20 20:46:57作者:段琳惟
1. 项目介绍
RQ Dashboard FastAPI 是一个基于 FastAPI 的通用、轻量级网页前端,用于实时监控 RQ 队列、任务和工作者。该项目的目标是简化与 FastAPI 应用的集成,并提供一个方便的 Docker 镜像。
2. 项目快速启动
安装
首先,确保你已经安装了 Python 环境。然后,通过以下命令安装 RQ Dashboard FastAPI:
pip install rq-dashboard-fast
运行
在你的 FastAPI 应用中,按照以下方式集成 RQ Dashboard:
from fastapi import FastAPI
from rq_dashboard_fast import RedisQueueDashboard
import uvicorn
app = FastAPI()
dashboard = RedisQueueDashboard("redis://redis:6379/", "/rq")
app.mount("/rq", dashboard)
if __name__ == "__main__":
uvicorn.run(app, host="0.0.0.0", port=8000)
启动你的 FastAPI 应用后,你可以通过浏览器访问 http://127.0.0.1:8000/rq 来查看 RQ Dashboard。
使用 Docker
你也可以使用 Docker 来运行 RQ Dashboard。首先,设置你的 Redis URL,然后运行以下命令:
docker run -e REDIS_URL=<your_redis_url> hannes221/rq-dashboard-fast
如果你需要改变端口,可以使用以下命令:
docker run -e REDIS_URL=<your_redis_url> -e FASTAPI_PORT=<your_fastapi_port> hannes221/rq-dashboard-fast
使用 Docker Compose 的话,创建一个 docker-compose.yml 文件:
version: '3.11'
services:
dashboard:
image: hannes221/rq-dashboard-fast
ports:
- '8000:8000'
environment:
- REDIS_URL=<your_redis_url>
然后,运行以下命令启动服务:
docker compose up
3. 应用案例和最佳实践
在集成 RQ Dashboard 到你的 FastAPI 应用时,最佳实践是将 Dashboard 挂载到一个独立的路由,如上述示例中的 /rq。这样可以保持你的应用结构的清晰,并允许你在需要时轻松地访问 Dashboard。
一个实际应用案例可能包括实时监控后台任务队列,以便及时了解任务状态和工作者性能。
4. 典型生态项目
RQ Dashboard FastAPI 是 RQ (Redis Queue) 生态系统的一部分。以下是一些与之相关的典型项目:
- RQ: Python 的 Redis 队列库,用于管理后台任务。
- rq-scheduler: RQ 的扩展,用于定期调度任务。
- FastAPI: 一个现代、快速(高性能)的 Web 框架,用于构建 API,与 RQ Dashboard FastAPI 集成。
通过结合这些项目,可以构建一个强大的异步任务处理系统,并通过 RQ Dashboard FastAPI 进行监控。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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