Celery 中,广播模式可以通过使用 RabbitMQ 的 fanout 交换机来实现

2024-08-28 19:36

本文主要是介绍Celery 中,广播模式可以通过使用 RabbitMQ 的 fanout 交换机来实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这里写自定义目录标题

  • 设置 Django 的 settings 模块
  • 从 Django 的 settings 文件中加载 Celery 配置
  • 自动发现任务
  • 使 Celery 实例可用
  • 配置 Celery 的任务路由

在 Celery 中,广播模式可以通过使用 RabbitMQ 的 fanout 交换机来实现。fanout 交换机会将消息广播到所有绑定到它的队列中。我们可以使用这种模式来让 Celery 在多个队列中处理相同的消息。

项目结构
假设你的 Django 项目结构如下:

myproject/
├── myapp/
│ ├── init.py
│ ├── tasks.py
│ ├── views.py
├── myproject/
│ ├── init.py
│ ├── settings.py
│ ├── urls.py
├── manage.py
├── celery.py
设置 Celery
创建 celery.py 配置文件:

在 myproject/celery.py 文件中配置 Celery:

python
from future import absolute_import, unicode_literals
import os
from celery import Celery

设置 Django 的 settings 模块

os.environ.setdefault(‘DJANGO_SETTINGS_MODULE’, ‘myproject.settings’)

app = Celery(‘myproject’)

从 Django 的 settings 文件中加载 Celery 配置

app.config_from_object(‘django.conf:settings’, namespace=‘CELERY’)

自动发现任务

app.autodiscover_tasks()
init.py 中加载 Celery:

在 myproject/init.py 中确保 Celery 被加载:

python
from future import absolute_import, unicode_literals

使 Celery 实例可用

from .celery import app as celery_app

all = (‘celery_app’,)
配置 Django 设置:

在 myproject/settings.py 中添加 Celery 配置:

python
CELERY_BROKER_URL = ‘amqp://localhost’
CELERY_RESULT_BACKEND = ‘rpc://’
CELERY_ACCEPT_CONTENT = [‘json’]
CELERY_TASK_SERIALIZER = ‘json’
CELERY_RESULT_SERIALIZER = ‘json’

配置 Celery 的任务路由

CELERY_ROUTES = {
‘myapp.tasks.process_message’: {
‘exchange’: ‘broadcast_exchange’,
‘exchange_type’: ‘fanout’,
‘routing_key’: ‘broadcast’,
},
}
创建任务
定义任务:

在 myapp/tasks.py 中定义任务:

python
from celery import shared_task

@shared_task
def process_message(message):
# 处理消息
print(f"Processing message: {message}")
# 实际处理消息的代码
设置广播模式
创建一个任务来广播消息:

在 myapp/tasks.py 中定义一个任务来广播消息:

python
from celery import Celery

app = Celery(‘myproject’)

@app.task
def broadcast_message(message):
# 创建一个任务并广播
process_message.apply_async(args=[message], exchange=‘broadcast_exchange’, routing_key=‘broadcast’)
配置 Celery 任务队列:

在 myproject/settings.py 中添加广播队列的配置:

python
CELERY_QUEUES = {
‘broadcast_queue_1’: {
‘exchange’: ‘broadcast_exchange’,
‘exchange_type’: ‘fanout’,
‘routing_key’: ‘broadcast’,
},
‘broadcast_queue_2’: {
‘exchange’: ‘broadcast_exchange’,
‘exchange_type’: ‘fanout’,
‘routing_key’: ‘broadcast’,
},
}
使用任务
在视图中调用任务:

在 myapp/views.py 中,你可以调用 broadcast_message 任务:

python
from django.http import HttpResponse
from .tasks import broadcast_message

def trigger_broadcast(request):
message = “This is a broadcast message”
broadcast_message.delay(message)
return HttpResponse(“Broadcast message is being processed.”)
更新 URL 配置:

在 myproject/urls.py 中添加一个 URL 路由来触发广播任务:

python
from django.urls import path
from myapp.views import trigger_broadcast

urlpatterns = [
path(‘broadcast/’, trigger_broadcast, name=‘trigger_broadcast’),
]
启动 Celery Worker
在你的项目根目录下启动两个 Celery worker,分别监听不同的队列:

bash
celery -A myproject worker -Q broadcast_queue_1 --loglevel=info
celery -A myproject worker -Q broadcast_queue_2 --loglevel=info
运行 Django 服务器
在另一个终端中启动 Django 服务器:

bash
python manage.py runserver
结果
访问 http://localhost:8000/broadcast/ 将触发广播消息任务。Celery 会将消息广播到两个不同的队列 (broadcast_queue_1 和 broadcast_queue_2),这两个队列分别由两个不同的 Celery worker 进程处理。

这样,你就实现了一个广播模式,在多个队列中处理相同的消息。

这篇关于Celery 中,广播模式可以通过使用 RabbitMQ 的 fanout 交换机来实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1115689

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

Android实现任意版本设置默认的锁屏壁纸和桌面壁纸(两张壁纸可不一致)

客户有些需求需要设置默认壁纸和锁屏壁纸  在默认情况下 这两个壁纸是相同的  如果需要默认的锁屏壁纸和桌面壁纸不一样 需要额外修改 Android13实现 替换默认桌面壁纸: 将图片文件替换frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.*  (注意不能是bmp格式) 替换默认锁屏壁纸: 将图片资源放入vendo