Python编程:使用supervisor管理Django-Celery进程

简介: Python编程:使用supervisor管理Django-Celery进程

安装

python2

pip install supervisor

配置

$ mkdir config
# 生成配置文件
$ echo_supervisord_conf > config/supervisord.conf

修改配置文件 config/supervisord.conf


1、开启web管理界面:inet_http_server

2、开启管理:supervisorctl.serverurl

3、开启配置文件:include


[include]
files = *.ini

新建日志 logs文件夹


配置3个进程管理文件


1、supervisor_celery_worker.ini

[program:celery-worker]
command=python manage.py celery worker -l INFO
directory=celery_learn/celery_project
environment=PATH="/.virtualenvs/py3/bin"
stdout_logfile=celery_learn/celery_project/logs/celery.worker.log
stderr_logfile=celery_learn/celery_project/logs/celery.worker.log
autostart=true
autorestart=true
startsecs=10
stopwaitsecs=60
priority=998

2、supervisor_celery_beat.ini

[program:celery-worker]
command=python manage.py celery beat -l INFO
directory=celery_learn/celery_project
environment=PATH="/.virtualenvs/py3/bin"
stdout_logfile=celery_learn/celery_project/logs/celery.beat.log
stderr_logfile=celery_learn/celery_project/logs/celery.beat.log
autostart=true
autorestart=true
startsecs=10
stopwaitsecs=60
priority=997

3、supervisor_celery_flower.ini

[program:celery-worker]
command=python manage.py celery flower
directory=celery_learn/celery_project
environment=PATH="/.virtualenvs/py3/bin"
stdout_logfile=celery_learn/celery_project/logs/celery.flower.log
stderr_logfile=celery_learn/celery_project/logs/celery.flower.log
autostart=true
autorestart=true
startsecs=10
stopwaitsecs=60
priority=996

启动

supervisord -c config/supervisord.conf

管理工具


> supervisorctl
> help
> update   # 更新配置文件

相关文章
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
315 102
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
207 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
475 3
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
291 3
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
295 0
|
开发框架 开发者 Python
深入探究Python Web开发框架:Flask与Django
Python作为一种广泛应用于Web开发的编程语言,其拥有众多优秀的Web开发框架。本文将深入探讨其中两大知名框架——Flask与Django。通过对它们的概念与实践进行比较分析,帮助读者更好地理解和选择适合自己项目需求的Web开发框架。
|
开发框架 前端开发 JavaScript
Python 有哪些Web框架?比如Flask、Django等知识梳理
Python 有哪些Web框架?比如Flask、Django等知识梳理
778 1
|
安全 数据库 C++
Python Web框架比较:Django vs Flask vs Pyramid
【4月更文挑战第9天】本文对比了Python三大Web框架Django、Flask和Pyramid。Django功能全面,适合快速开发,但学习曲线较陡;Flask轻量灵活,易于入门,但默认配置简单,需自行添加功能;Pyramid兼顾灵活性和可扩展性,适合不同规模项目,但社区及资源相对较少。选择框架应考虑项目需求和开发者偏好。
724 0
|
前端开发 数据库 Python
使用 Python 的 Web 框架(如 Django 或 Flask)来建立后端接口,用于处理用户的请求,从数据库中查找答案并返回给前端界面
【1月更文挑战第13天】使用 Python 的 Web 框架(如 Django 或 Flask)来建立后端接口,用于处理用户的请求,从数据库中查找答案并返回给前端界面
556 7
|
安全 数据库 C++
Python Web框架比较:Django vs Flask vs Pyramid
Python Web框架比较:Django vs Flask vs Pyramid
201 1

推荐镜像

更多