


Memastikan Pemprosesan Adil dengan Saderi - Bahagian II
Artikel ini meneroka keutamaan tugas dalam Celery, berdasarkan catatan sebelumnya tentang pemprosesan adil. Keutamaan tugas menawarkan cara untuk meningkatkan keadilan dan kecekapan dalam pemprosesan latar belakang dengan menetapkan tahap keutamaan yang berbeza kepada tugas berdasarkan kriteria tersuai.
Mengapa Keutamaan Tahap Tugasan?
Keutamaan peringkat tugas memberikan kawalan terperinci ke atas pelaksanaan tugas tanpa pelaksanaan yang rumit. Dengan menyerahkan semua tugasan ke baris gilir tunggal dengan nilai keutamaan yang ditetapkan, pekerja boleh memproses tugas berdasarkan keperluan mendesak mereka. Ini memastikan pengendalian yang adil tanpa mengira masa penyerahan.
Sebagai contoh, jika seorang penyewa menyerahkan 100 tugasan dan seorang lagi menyerahkan 5 sejurus selepas itu, keutamaan peringkat tugas menghalang penyewa kedua daripada menunggu semua 100 tugasan selesai.
Pendekatan ini memberikan keutamaan secara dinamik berdasarkan kiraan tugas penyewa. Tugas pertama setiap penyewa bermula dengan keutamaan yang tinggi, tetapi dengan setiap 10 tugasan serentak, keutamaan berkurangan. Ini memastikan penyewa yang mempunyai tugas yang lebih sedikit tidak mengalami kelewatan yang tidak perlu.
Melaksanakan Keutamaan Tugas
Mula-mula, pasang Saderi dan Redis:
pip install celery redis
Konfigurasikan Celery untuk menggunakan Redis sebagai broker dan dayakan pemprosesan tugas berasaskan keutamaan:
from celery import Celery app = Celery( "tasks", broker="redis://localhost:6379/0", broker_connection_retry_on_startup=True, ) app.conf.broker_transport_options = { "priority_steps": list(range(10)), "sep": ":", "queue_order_strategy": "priority", }
Tentukan kaedah untuk mengira keutamaan dinamik menggunakan Redis untuk cache setiap kiraan tugas penyewa:
import redis redis_client = redis.StrictRedis(host="localhost", port=6379, db=1) def calculate_priority(tenant_id): """ Calculate task priority based on the number of tasks for the tenant. """ key = f"tenant:{tenant_id}:task_count" task_count = int(redis_client.get(key) or 0) return min(10, task_count // 10)
Buat kelas tugas tersuai untuk mengurangkan kiraan tugas apabila berjaya disiapkan:
from celery import Task class TenantAwareTask(Task): def on_success(self, retval, task_id, args, kwargs): tenant_id = kwargs.get("tenant_id") if tenant_id: key = f"tenant:{tenant_id}:task_count" redis_client.decr(key, 1) return super().on_success(retval, task_id, args, kwargs) @app.task(name="tasks.send_email", base=TenantAwareTask) def send_email(tenant_id, task_data): """ Simulate sending an email. """ sleep(1) key = f"tenant:{tenant_id}:task_count" task_count = int(redis_client.get(key) or 0) logger.info("Tenant %s tasks: %s", tenant_id, task_count)
Cetuskan tugas untuk penyewa yang berbeza, memastikan tenant_id disertakan dalam hujah kata kunci tugas:
if __name__ == "__main__": tenant_id = 1 for _ in range(100): priority = calculate_priority(tenant_id) key = f"tenant:{tenant_id}:task_count" redis_client.incr(key, 1) send_email.apply_async( kwargs={"tenant_id": tenant_id, "task_data": {}}, priority=priority ) tenant_id = 2 for _ in range(10): priority = calculate_priority(tenant_id) key = f"tenant:{tenant_id}:task_count" redis_client.incr(key, 1) send_email.apply_async( kwargs={"tenant_id": tenant_id, "task_data": {}}, priority=priority )
Anda boleh melihat kod penuh di sini.
Mulakan pekerja Saderi dan cetuskan tugas:
# Run the worker celery -A tasks worker --loglevel=info # Trigger the tasks python tasks.py
Persediaan ini menunjukkan bagaimana baris gilir keutamaan Celery, digabungkan dengan Redis, memastikan pemprosesan tugas yang adil dengan melaraskan keutamaan secara dinamik berdasarkan aktiviti penyewa. Mari lihat keluaran pekerja yang dipermudahkan:
Kesimpulan
Keutamaan peringkat tugas dengan Celery dan Redis menyediakan penyelesaian yang mantap untuk memastikan pemprosesan yang adil dalam sistem berbilang penyewa. Dengan menetapkan keutamaan secara dinamik dan memanfaatkan satu baris gilir, anda boleh mengekalkan kesederhanaan sambil memenuhi keperluan perniagaan.
Terdapat banyak cara untuk melaksanakan keutamaan peringkat tugas, contohnya menggunakan RabbitMQ adalah lebih cekap kerana ia menyokong keutamaan pada terasnya tetapi memandangkan kami juga menggunakan Redis untuk pengiraan tugas, ia memudahkan keseluruhan seni bina kami.
Semoga anda mendapati ini berguna dan lihat pada yang seterusnya!
Atas ialah kandungan terperinci Memastikan Pemprosesan Adil dengan Saderi - Bahagian II. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
