简介：许多朋友问有关Django为什么不是异步的问题。本文的首席执行官注释将为您提供一个详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
许多Django应用程序需要执行异步任务，以免延迟HTTP请求的执行。我们还可以选择许多方法来完成异步任务。使用克莱里是一个更好的选择，因为克莱里
有了大量的社区支持，它可以完美扩展，与Django结合使用也很好。芹菜不仅可以在Django中使用，而且可以在其他地方使用。因此，一旦您学会使用克莱利，我
我们可以在其他项目中非常方便地使用它。
1.克莱里版本
这篇博客文章主要针对芹菜3.0.x。克莱里的早期版本可能有轻微的差异。
2. Cerry介绍
Clery的主要用途是执行异步任务。您可以选择扩展或定期执行功能。为什么需要执行异步任务？
首先，假设用户正在启动请求并等待返回请求。在此请求背后的视图函数中，我们可能需要执行长期的过程任务。目前，我们可能
它可能远大于用户公差的范围。当不需要立即执行此任务时，我们可以使用Clery在后台执行，而不会影响用户浏览Web。
当涉及到，我们通常无法确定它花费的时间。
第二个是定期执行常规任务。例如，您需要每小时检查天气预报，然后将数据存储到数据库中。我们可以编写此任务，然后让芹菜执行
Web应用程序可以获取最新的天气预报信息。
我们在这里谈论的任务是python函数（函数）。定期执行任务可以延迟执行此功能。我们可以使用Clery将功能延迟5分钟5分钟。
任务1并传递参数（1、2、3）。或者我们也可以每天午夜运行该功能。
我们偏向项目中的项目，这对于访问统一数据库和Django设置的任务很方便。
准备好任务后，芹菜会将其放在队列队列中。队列存储任务列表。我们可以使用多个队列，但是为简单起见，我们在这里只使用一个。
将任务任务放在队列中就像加入TODO列表一样。为了使任务运行，我们还需要在其他线程中运行艰苦的工作。工人观察实时行动的任务，然后一一运行。
一些任务。您可以在不同的服务器上使用多个工人。同样，为简单起见，我们只使用一个工人。
我们将在以后讨论队列，工人和另一个非常重要的过程。接下来，让我们这样做：
3.安装克莱里
我们可以使用PIP在vietualenv中安装：
PIP安装django-clery
4. Django设置
我们暂时使用Django Runserver来启动Clery。和芹菜代理，我们使用Django数据库代理实现。现在我们只需要知道克莱里芹菜
需要经纪人，您可以使用Django本身作为经纪人。（但是，当部署时，我们最好使用更稳定和高效的布拉克，例如Redis。）
在steratings.py中：
导入djcelery
djcelery.setup_loader（）
broker_url ='django：//'
Em
instasted_apps =（（
Em
'djcelery'，
'kombu.transport.django'，
Em
治愈
第一个和第二个项目是必要的，第三个项目告诉芹菜将Django项目用作经纪人。
添加到installed_apps中的djcelery是必要的。kombu.transport.django是基于Django的经纪人
最后创建芹菜所需的数据表。如果您将South用作数据迁移工具，请运行：
python manage.py迁移
否则，运行：（ Django 1.6或Django 1.7可以）
python manage.py syncdb
5.创建一个任务
如前所述，任务是Pyhton功能。但是芹菜需要知道此功能是任务，因此我们可以使用装饰器：@task。
在django应用程序目录中创建taske.py：
从芹菜导入任务
@任务 （）
def add（x，y）：
返回x + y
当settings.py运行中的djcelery.setup_loader（）时，Clery将在APPS Directory中的App Directory中的所有task.py文件中查看Appled_apps中的App Directory中的所有task Files，查找标记为任务的函数，并且预防。
将它们注册为Clery任务。
标记函数作为任务不会阻碍其正常执行。您仍然可以像往常一样称呼它：z = add（1，2）。
6.执行任务
让我们从一个简单的示例开始。例如，我们希望在用户发送请求并立即返回响应后执行任务异步，以免阻止请求，用户可以平稳访问
过程。然后，我们可以在Views.py的视图中使用.delay：
从myapp.tasks导入添加
Em
add.delay（2，2）
Em
克莱里将添加任务以排队并立即返回。在看到工人一侧的任务后，它将根据设置执行并将其从队列中删除。工人将执行以下一代。
代码：
导入myapp.tasks.add
myapp.tasks.add（2，2）
7.关于导入
应该注意的是，当IMPPRT任务时，它需要保持一致。因为执行djcelery.setup_loader（）时，任务基于installed_apps中的应用程序名称。
添加.tasks.function_name进行注册。如果由于不同的Python路径而使用不同的参考方法（例如，使用MyProject.myapp.tasks在tasks.py中导入的the。
添加表单），Cerly不会知道这是同一任务，因此可能会导致奇怪的错误。
8.测试
A。开始工人
如前所述，我们需要一个工人来执行任务。以下是如何在开发环境中启动工人的方法：
首先启动终端，例如开发Django项目，激活Virtualenv，切换到Django Project目录。然后启动django构建的Web服务器：Python Manage.py Runserver。
然后开始工人：
python manage.py芹菜工人-loglevel =信息
目前，工人将在终端运行并显示输出结果。
b。开始任务
打开新终端，激活Virtualenv，然后切换到Django项目目录：
$ python manage.py shell
从myapp.tasks导入添加
add.delay（2，2）
目前，您可以看到工人在工作窗口中执行任务：
[2014-10-07 08：47：08,076：info/mainprocess]从经纪人获得任务：myapp.tasks.add [e080e047-b2a2a7-af74-af74-d7d98b02fc]
[2014-10-07 08：47：08,299：info/mainprocess]任务myapp.tasks.add [e080e047-b2a2-43a2-43a7-af74-af74-d7d98b02fc]
9.另一个例子
让我们看一个更真实的示例，即views.py和tasks.py：
＃views.py
来自myApp.tasks导入do_something_with_form_data
def视图（请求）：
form = someform（request.post）
如果form.is_valid（）：
data = form.clenet_data
＃安排任务以稍后进行数据
do_something_with_form_data.delay（data）（数据）
返回render_to_response（...）
＃tasks.py
@任务
def do_something_with_form_data（数据）：
call_slow_web_service（data ['用户']，data ['text']，...）
10.调试
由于克莱里的操作需要启动多个组件，因此我们可能会错过一两个组件。因此，我们建议：
使用最简单的设置
使用Python调试和记录功能显示当前过程
11.渴望模式
如果在设置中的设置。py：
Celery_always_eager = true
然后芹菜以急切的模式运行，然后任务不需要添加延迟即可运行：
＃如果启用了急切的模式，则以下两行代码是相同的
add.delay（2，2）
添加（2，2）
12.查看队列
因为我们将Django用作经纪人，所以排在Django数据库中的队列。这意味着我们可以通过Django管理员查看队列：
＃admin.py
来自django.contrib导入管理
从kombu.transport.django导入模型为kombu_models
Admin.Site.Register（Kombu_models.message）
13.检查结果
运行异步任务后，芹菜将异步对象返回结果。您可以保存它，然后检查任务是否成功运行并返回结果：
＃views.py
结果= add.delay（2，2）
Em
如果结果。dready（）：
打印“任务已运行”
如果结果。Successful（）：
打印“结果为：％s”％结果。
别的：
如果是isInstance（结果，例外）：
打印“任务失败，原因是提出例外”
提高结果
别的：
打印“任务失败而没有提高例外”
别的：
打印“任务尚未运行”
14.常规任务
还有一种普通的牧师来执行常规任务。执行常规任务时，芹菜将通过芹菜过程完成。将维护芹菜。一段时间后，需要执行一定时间。
走路时，芹菜症将其添加到队列中。与工作过程不同，芹菜只需要一个。
启动CleryBeat：
python manage.py Clery Beat
有很多方法可以使芹菜执行常规任务。让我们先查看第一个，然后将常规任务存储在Django数据库中。即使在Django和Clery中运行的状态
方便地修改常规任务。我们只需要在设置中设置一个即可打开此方法：
＃settings.py
Celerybeat_scheduler ='djcelery.schedulers.databasescheduler'
您应该使用Django自己运行的开发服务器的示例，并在Django的文档中写入有关Manage.py的文档：
- 毫无用处
默认情况下，开发服务器是多线程。使用-NothReading选项禁用开发服务器中的线程用户。
换句话说，默认情况下，您使用https://www.shouxicto.com/article/manage.py.py runserver打开多个线程以服务于http请求，因此，尽管第一个请求仍在第二请求中，但第一个请求，第一个请求仍在第一个请求中。但是，已经打开了一个新线程以进行响应，它看起来像是“非阻止”工作模式。本质是多线程，而不是单个线程。我想禁用此行为。-NothReading参数：https：//www.shouxicto.com/article/manage.py runserver -nothreading。
坦率地说，在一群Python用户面前，这实际上是一件事，放弃了Python来求助于Python。
永恒的非解决主题可能会导致粉丝的强烈反击。因此，我只能从我们项目的实际情况开始。就为什么我最终选择去而言。
你为什么放弃python
首先，我必须谈论为什么我们选择Python。在加入Enterprise Fast Disk团队之前，整个项目都包括较早的Jinshan Fast Disk。
当时的建筑师洋葱告诉我什么样的选择，主要是因为Python很简单且发展迅速。对于大多数没有服务的学生 - 在团队中没有服务的学生，Python是真的
这是一个不错的选择。
Python的简单高效，我有深刻的了解。在那个时候，有几个程序员在私人云项目中，但是我们需要为许多大型企业提供定制开发的大型企业。多亏了Python，我们可以快速生存。等级，在公司迅速挂起之后，我们开始了Light Office项目，并且自然使用Python来构建原始版本。
尽管Python非常强大，但我们在使用时也遇到了一些问题，主要来自以下方面：
动态语言
Python是一种动态的强型语言。但是，仍然可能存在INT +字符串之类的错误，因为对于变量，编写代码时，有时我们很容易忘记哪种类型的变量是。
在Python中，可以允许同名的功能。后一个功能将涵盖先前的功能。一旦我们的系统是一个非常严重的错误，因此。
上面提到的静态语言可以帮助我们检测到何时编译，而无需等到问题发生。尽管我们有一个完美的测试用例，总会有案例。如果我可以编译，那应该很好。
表现
实际上，这一直是许多人谈论python的地方，但是Python有适合它的东西。很难使用Python开发一些高性能模块，这也很难做到。
Python的GIL会导致真正的多线程，每个人都可能会说我不会使用多个程序。
使用无状态分布的多个过程非常方便。例如，处理HTTP请求。我们在NGINX后面安装了200多个Django服务器，以处理HTTP，但是许多过程自然会导致高度的整体机器负载。
但是，即使我们使用多个Django流程来处理HTTP请求，Python仍然无法处理一些超大的请求。因此，我们使用开放性来实现高频http请求以实现实现。不同的代码。
同步网络模型
Django的网络正在阻止网络，也就是说，如果我们需要访问外部服务，在等待结果返回期间，Django无法处理任何其他逻辑（除了多线程除外）。如果访问外部服务需要很长时间，这意味着我们的整个服务几乎无法在几乎很长一段时间内提供。
为了解决此问题，我们只能继续打开更多的Django流程。同时，我们需要确保所有服务都可以快速处理响应，但考虑到这实际上是一件非常不可靠的事情。
异步网络模型
Tornado的网络模型是异步的，这意味着它不会出现，因为Django无法响应该服务，因为无法使用外部服务。它很小而简单。我曾深入撰写几篇文章，以分析龙卷风。
尽管龙卷风是异步的，但Python的MySQL库不支持异步，这意味着，如果我们访问龙卷风中的数据库，我们仍然可能会面临由数据库问题引起的整个服务。
实际上，异步模型的最大问题是切割代码逻辑。因为事件是触发的，所以我们都通过回调进行相关处理，因此代码中通常有一件事，传递回调，然后从回调中回调，结果是整个代码逻辑非常混乱。
Python没有本地的Coroutine支持。尽管您可以通过Gevent和Greenlet的补丁方法支持公司，但毕竟，Python源代码已更改。
此外，Python的产量也可以执行简单的Coroutine模拟，但毕竟，它不能跨堆栈，并且非常有限。我不知道3.X版本是否有所改进。
开发操作和维护部署
当我第一次使用Python开发项目时，我没有成功安装项目所需的袋子。MySQL图书馆已成功安装了很长时间。老板，一位同事将他的整个Python目录包装给我，以便我可以正常运行该项目。换句话说，现在对Docker感到非常高兴。
部署Python服务时，我们需要在服务器上安装一堆袋子。通过木偶和盐解决部署问题非常麻烦。但是，就静态编译而言，仅使用一个二进制文件很方便。
代码失控
Python非常灵活和简单。编写c只能完成数十行。没有它，可以解决Python的行代码。但是它太简单了，但是许多学生无法深入考虑该代码
考试，仔细考虑整个架构。需求出现，pop -up，键盘敲击快速实施，结果是代码变得越来越混乱，最终导致整个项目代码无法控制。
尽管这也有我们自己的原因，例如，没有良好的代码审核机制，但没有良好的项目规范，但是个人认为，如果程序员没有接受良好的编码培训，那么很容易与Python一起编写不良代码，因为它太多了，因为它太多了，因为它太多了，因为它太多了，因为它太多了。
当然，我并不是要使用Python开发大型项目。Douban和Dropbox都是一个很好的例子，但是在我们的项目中，我们的Python代码失控了。
上面提到的所有都是我们在实际项目中python遇到的问题。尽管最终都解决了它们，但它让我感到，随着项目的复杂性的增加，交通绩效的压力增加，python也被比较了一个不错的选择。
为什么选择去
在谈论Python之后，让我们谈谈为什么我们选择GO。实际上，除了Python之外，我们还有其他选择，Java，PHP，Lua（OpenReast），但最后我们选择了Go。
尽管Java和PHP是最好的编程语言（每个人都很战斗），但我更喜欢一种简单的语言。开名置信，尽管性能很强大，但LUA仍在移动
语言状态还将遇到前面提到的一些问题。最后，Qianjinshan Xu Fangwei的使用情况，即也使用的正面-Dial架构师的前部，因此我们自然选择了GO。
Go不是完美的，值得我们呕吐的地方。
错误，好吧，如果您有一个语言清洁同学，您可能真的无法忍受GO的语法，尤其是商定的最后一个返回值是错误。此代码通常填充此代码：
如果_，err：= w.write（data1）;呃！= nil {
returun err
}
如果_，err：= w.write（data2）;呃！= nil {
returun err
}
难怪有需求的茎。当Java的程序员编写配置时，GO程序员已经编写了大多数代码，但是当Java完成编写的程序员编写时，GO程序员仍在编写ERR！= nil！本质
在这方面，错误价值已建议使用一个好的解决方案。
软件包管理，GO的软件包管理太弱了，只有一个
得到，也就是说，如果您不小心更新外部库，则可能无法编译现有代码。尽管已经有许多开源解决方案，例如Godep和GB，现在只出现了，但是Bai
这不是正式的。似乎Google还通过供应商机制管理第三张库。我希望GO 1.5或后续版本能够解决此问题。
GC，Java的GC已经开发了20年，GO是如此的时间，GC铁并不完美。因此，我们仍然无法按照我们的意愿编写代码，否则GC可能会根据大量要求将其粘在整个服务中。因此，有时需要使用对象池和内存池。尽管代码很丑陋，但性能仍在继续。
对于通用，尽管GO具有直角，但缺乏通用类型将使我们在获得功能时能够编写大量重复代码，例如INT32和INT64类型
您必须分别编写两组代码。
生成物的支持，但这仍然需要基于GO的AST库手动编写相关解析器，这也非常困难。尽管有许多开源生成实现，但
但是毕竟，这不是正式的。
当然，有很多地方值得谈论，这不会一个人列出，但Go仍然具有其优势。
静态语言，强类型。静态汇编可以帮助我们检查大量错误。强大的GO类型甚至可以扭曲到不支持隐藏类型的类型转换。尽管编写代码觉得很尴尬，但它会减少犯错误的可能性。
GOFMT，这应该是我知道提供统一格式的代码工具的第一种官方语言。GOFMT，GOFMT，每个人的代码很长，最后都没有括号，或者是新的鸡蛋痛的代码样式。代码样式是相同的，很容易查看GO代码。
出生于并行支持中，因为Goroutine和Channel使用使用来编写分布式应用程序，并且编写并发程序非常容易。代码逻辑分开是由疼痛而没有鸡蛋疼痛引起的，并且代码逻辑是顺序的。
性能，GO的性能可能无法跟上C，C ++和开放式，但确实很强大。在我们的项目中，单个GO流程现在由一台机器部署，这完全可以做事。进行前200个Python过程，CPU和MEMS占据较低。
直接将二进制汇总到服务器上的操作和维护部署，安装一堆需要安装的环境非常简单，而不是Python。当然，如果有CGO，我们还需要投掷相应的动态库。
发展效率，尽管GO是一种静态语言，但我个人认为开发效率确实很高，直觉与Python相当。就我个人而言，最好的例子是我可以快速使用GO打开它
有许多开源组件，例如ledisdb，go-mysql等，这些初始版本在短时间内完成。对于我们的项目，我们也可以使用一个
第一个版本在一个月内进行了重组和发布。
通常，它通过动态和静态，隐藏的容器和Web应用程序部署习惯长期形成。Runserver，像Django一样，确实无法执行生产环境，这是不稳定的，这既不是异步计划Uwsgi的Gunicon或多个过程。
1. Django
Python中最全能的Web开发框架，完整的功能，维护和开发速度首先是级别，许多人对Django框架做出了缓慢的响应，它主要是Djangoomor和数据库之间的相互作用较慢，因此是否使用Django Frameworkit，需要取决于项目对数据库交互和各种优化的要求。对于Django的同步特征，芹菜可以解决小吞吐量的问题，这不是致命的问题。
2.龙卷风
异步和强大的性能，但是与Django框架相比，它相对原始，许多事情需要由自己处理。随着项目逐渐扩展，框架可以提供的功能将变得越来越小。更多的事情需要团队参加团队。要自己实现这一目标，并且大型项目通常需要绩效保证，目前这是最好的选择。
3.烧瓶
可以说微型框架是Python代码的最佳项目之一。它的灵活性也是一把双刃剑。它可以使用烧瓶框架，也就是说，它可以制成pinterest。但是它也可以将其制成大型烧瓶，此外，它可以自由选择自己的数据库交互式组件，并在添加异步功能（例如Clery+）之后雷迪斯（Redis），烧瓶的性能比龙卷风可比。也许烧瓶的灵活性可能是可能需要更多的团队。
4.扭曲
前面提到的三个网络框架是在应用程序层HTTP周围进行的，而扭曲是不同的。这是一个由Python语言驱动的网络框架。对于应用服务器性能的应用是一个很好的选择。
它支持许多协议，包括传输层的UDP，TCP，TLS和应用层的HTTP，FTP。对于这些协议，Twisted提供了客户和服务器开发工具。
这是一个高性能的编程框架。在不同的操作系统上，扭曲使用不同的基础技术来实现高性能的交流。在开发方法方面，使用异步编程模型的扭曲指南程序员。它提供了丰富的延期，螺纹核能的特性，以支持异步编程。
克莱里（Clery）是基于Python开发的简单，灵活和可靠的分布式任务队列框架。它支持使用任务队列在分布式计算机/流程/线程上执行任务计划。典型的生产者消费者模型主要由三个部分组成：
例如，系统在系统前批量介绍历史数据，发送文本消息，发送电子邮件和其他时间 - 耗费的任务
1.安装兔子。在这里，我们将RabbitMQ作为经纪人。安装完成后
Ubuntu Linux安装
CentOS Linux安装
Apple Mac安装需要配置
配置环境变量（Apple用户）
启动RabbitMQ服务器
2.安装克莱里
3.芹菜在Django项目中使用，Django项目目录结构（简化）如下
4.创建OA/CLERY.PY主文件
5.在OA/__ init__.py文件中添加以下内容，以确保Django启动时可以加载此应用程序
6.每个应用程序都会创建一个任务。Py文件，此处使用/tasks.py。
7. Views.py引用以使用此任务异步处理
8.启动克莱里
9.这样，在调用帖子方法时，可以异步地处理内部的添加
定时任务的使用方案非常普遍。例如，我需要定期向老板发送报告?
1. oa/clery.py文件添加以下配置以支持计时任务crontab
3.首发克莱里·比特（Start Clery Beat），芹菜已经开始了一个节拍过程，该过程一直在不断判断是否有执行的任务
结论：以上是首席CTO介绍的所有内容，说明了为什么Django不同步。我希望这对每个人都会有所帮助。如果您想了解有关此信息的更多信息，请记住收集并关注此网站。