Celery

3ステップで試す

1. 1

   Celery 5.6.3を導入する

   確認対象の安定版を固定して導入します。Python 3.9以上と、localhostで利用できるRabbitMQが必要です。

   python -m pip install "celery==5.6.3"コピー
2. 2

   最小task applicationを作る

   公式READMEの最小applicationに沿って、RabbitMQ brokerへtaskを送れるmoduleを作ります。

   cat > tasks.py <<'PY' from celery import Celery app = Celery('hello', broker='amqp://guest@localhost//') @app.task def hello(): return 'hello world' PYコピー
3. 3

   workerを起動してtaskをenqueueする

   一方の端末でworkerを起動し、別端末からtaskを送信します。worker logでtaskが受信・実行されることを確認します。

   celery -A tasks worker --loglevel=INFO # 別端末で: python -c "from tasks import hello; print(hello.delay())"コピー

Built with

• Python

カテゴリとタグ

GitHubデータ

このOSSの使い方や活用事例をMarkdownで投稿できます。管理者が承認した後に公開されます。

あわせて探訪

• Asynq13,748 Stars

  共通タグ 2件 · 共通カテゴリ 1件

  Redis-backed queueでbackground taskをretry・schedule・workerへ分散するGo library

  Go
• Sarama12,523 Stars

  共通タグ 2件 · 共通カテゴリ 1件

  Producer・Consumer Group・Admin・Transactionを幅広く扱うGo Kafka client

  Go
• kafka-go8,638 Stars

  共通タグ 2件 · 共通カテゴリ 1件

  Reader・Writerと低level Connを使い分けるpure Go Kafka client

  Go
• Lapin1,237 Stars

  共通タグ 2件 · 共通カテゴリ 1件

  RabbitMQへAMQP 0-9-1で接続するruntime非依存のasync Rust client

  Rust
• Dask13,932 Stars

  共通タグ 2件 · 同じ言語

  NumPy・pandasに近いcollectionとtask graphでparallel analyticsを拡張する

  Python
• TensorFlow200,710 Stars

  共通タグ 2件

  2.21.0でPython要件と周辺依存が変わった機械学習基盤

  C++