python-rq

    2熱度

    1回答

    我有1個失敗的工作失敗隊列。 $ rq info failed |█ 1 1 queues, 1 jobs total 由於answered通過@Byron露絲,我能得到這個數字是這樣的: from rq import Queue from redis import Redis q = Queue('failed', connection=Redis()) print len

    0熱度

    1回答

    我使用Python RQ(由Redis支持)將任務提供給一組工作進程。 high medium low ('low',) default 我似乎無法弄清楚如何擺脫('low',)隊列: 當添加一個工作隊列,所以我現在隊列是這樣,我不小心發送一個元組。該隊列由於其名稱似乎也會導致一些問題(例如,我無法查看它或在rq-dashboard中將其清除,因爲頁面會拒絕加載)。 這裏有一些討論:R

    1熱度

    1回答

    每分鐘只執行30個任務我正在構建分佈式爬網機制,並且希望確保在一分鐘內向服務器發出的請求不超過30個。每個被查詢的任務都提出請求。 所有任務都在redis中進行查找,並使用python-rq提供的API進行查找。 該方法是在redis中設置一個每分鐘過期的密鑰來保存發送請求的數量。 每次一件工作,則需要檢查是否請求發送 - 如果沒有,然後就睡覺了一分鐘 - 如果是,則工作 以下是我定製的工人: #

    0熱度

    2回答

    我在Heroku上託管了我的Django應用程序,但由於極少的限制,我從Heroku移到了基於雲的服務器。我遵循這個tutorial在Python中運行後臺任務。一切運行良好,除了我必須手動運行python worker.py來啓動工作進程。 在Heroku上,我們可以使用Procfile在應用程序啓動時運行進程,但現在我在運行ubuntu 14.04的基於雲的服務器上運行。那麼Procfile的

    0熱度

    1回答

    我是RQ的新手,並試圖將其用於在後臺運行的工作。我已經設法建立起來了,而且我也可以啓動多個工作人員。 現在我試圖同時運行這些工作。我安裝了主管,並按照教程向其添加了程序,並且工作。 這是我的主管配置: [program:rqworker] command=/usr/local/bin/rq worker mysql process_name=rqworker1-%(process_num)

    -1熱度

    1回答

    我試圖設置一個redis隊列和一個工人來處理我的燒瓶應用程序的隊列。我正在實現這個來處理髮送電子郵件的任務。我有點困惑,因爲它似乎堆棧跟蹤說,我的'APP_SETTINGS'環境變量沒有設置,當它實際上設置。 此前啓動的應用程序,Redis的還是工人,我設置APP_SETTINGS: export APP_SETTINGS="project.config.DevelopmentConfig"

    1熱度

    1回答

    我使用python-rq來管理基於Redis的作業,並且想確定我的工作人員當前正在處理哪些作業。 中的python-RQ提供get_current_job功能,找到「當前任務」的連接,但: 我不能得到這個工作,並 我真的想的所有列表這是與當前由所有工人從一個隊列處理的所有隊列爲這個連接,而不是一個作業的工作。 這裏是我的代碼(它總是返回None): from rq import Queue, ge

    0熱度

    1回答

    我有一個具有上述配置的服務器,我正在處理長時間的任務,但我必須更新用戶關於進程狀態的信息,這是我通過Firebase執行的操作。爲了立即響應客戶端,我使用python-rq將作業排入redis。 我正在使用flask和uwsgi和Nginx。在uwsgi conf文件中,有一個字段要求輸入多個進程。 我的問題是,我需要啓動多個uwsgi進程,還是更多的redis工作者? 啓動更多uwsgi工人是否

    0熱度

    1回答

    我已閱讀此計算器Q&A但它沒有奏效,我的情況。 在我的方案中,我使用出色的軟件包django-rq將函數(submit_transaction_for_settlement(transaction_id))推送到redis隊列。此功能的工作是提交交易進行結算。 在沙盒中,無論何時執行此功能,我都會收到相同的錯誤:AttributeError: type object 'Configuration'

    0熱度

    1回答

    我現在有一個utilities.py文件具有本機的學習功能 from sklearn.pipeline import Pipeline from sklearn.feature_extraction.text import CountVectorizer from sklearn.naive_bayes import MultinomialNB from sklearn.model_sele