开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

作业在芹菜终端完成，但`task.ready()`返回false (Django)

在Django中，task.ready()是用于检查异步任务是否已经完成的方法。当task.ready()返回false时，表示任务尚未完成。

可能的原因和解决方法如下：

任务正在执行中：task.ready()返回false可能是因为任务正在后台执行中，尚未完成。可以等待一段时间后再次调用task.ready()方法进行检查。
任务出现异常：任务执行过程中可能会出现异常，导致任务无法正常完成。可以通过task.result属性获取任务的执行结果，查看是否有异常信息。同时，可以使用task.traceback属性获取任务的异常追踪信息，帮助定位问题所在。
任务被阻塞：任务可能被其他因素阻塞，导致无法完成。可以检查任务所依赖的资源是否可用，例如数据库连接、网络通信等。确保任务所需的资源正常运行。
任务未正确配置：任务可能未正确配置，导致无法正常执行。可以检查任务的配置项，例如任务队列、任务调度器等，确保其正确设置。

总结起来，当task.ready()返回false时，需要进一步排查任务执行过程中的异常、资源是否可用以及任务配置是否正确等因素，以确定任务无法完成的具体原因。根据具体情况，可以采取相应的解决方法来解决问题。

腾讯云相关产品和产品介绍链接地址：

腾讯云函数（Serverless 云函数）：https://cloud.tencent.com/product/scf
腾讯云消息队列 CMQ：https://cloud.tencent.com/product/cmq
腾讯云数据库 MySQL：https://cloud.tencent.com/product/cdb_mysql
腾讯云云服务器 CVM：https://cloud.tencent.com/product/cvm
腾讯云容器服务 TKE：https://cloud.tencent.com/product/tke
腾讯云人工智能 AI：https://cloud.tencent.com/product/ai
腾讯云物联网平台 IoT Hub：https://cloud.tencent.com/product/iothub
腾讯云移动开发 MSDK：https://cloud.tencent.com/product/msdk
腾讯云对象存储 COS：https://cloud.tencent.com/product/cos
腾讯云区块链服务 TBC：https://cloud.tencent.com/product/tbc
腾讯云游戏多媒体引擎 GME：https://cloud.tencent.com/product/gme
腾讯云云原生应用引擎 TAE：https://cloud.tencent.com/product/tae

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

在Python中用Celery安排管理后台工作流

还好这次没来ios的，刚接触了下dubbo的分布实现，没想到就被推了一篇python的分布实现技术，分享给大家吧，顺便自己也了解下。原文如下：

02

Celery 用来处理工作流和多个队列

Celery 是一个与django很好地集成的异步任务队列。在这篇文章中，我不会写一篇关于如何设置和使用 celery 的教程，已经有很多文章了。我将讨论我在我从事的一些项目中使用的 celery 的一些高级功能。

04

django开发傻瓜教程-3-celer

https://blog.csdn.net/Demo_3/article/details/78119951

03

Django 2.1.7 集成Celery 4.3.0 从介绍到入门

我们在做网站后端程序开发时，会碰到这样的需求：用户需要在我们的网站填写注册信息，我们发给用户一封注册激活邮件到用户邮箱，如果由于各种原因，这封邮件发送所需时间较长，那么客户端将会等待很久，造成不好的用户体验.

03

1. Django 2.1.7 集成Celery 4.3.0 从介绍到入门

我们在做网站后端程序开发时，会碰到这样的需求：用户需要在我们的网站填写注册信息，我们发给用户一封注册激活邮件到用户邮箱，如果由于各种原因，这封邮件发送所需时间较长，那么客户端将会等待很久，造成不好的用户体验.

00

还在为需要执行耗时的任务头疼？给你介绍介绍神器Celery

在开发运维平台、爬虫平台、自动化测试平台、大数据任务执行中，总会有各种各样的耗时任务需要处理。

02

听说 Django 与 celery 配合更美味

博客主页：https://www.zhihu.com/people/tu-dou-dou-27-10

02

Django操作异步任务

新增的异步任务必须以task.py命名，而且要放在你的django-web程序中，我这里是web

01

python celery 模块

Celery是基于Python开发的一个分布式任务队列框架，支持使用任务队列的方式在分布的机器/进程/线程上执行任务调度

04

Django + celery + redis 执行异步任务及查看结果（推荐）

（这里说明一下，pip 安装的 redis 仅仅是一个连接到 redis 缓存的一个工具；redis 服务需要自己去安装，安装文档如上）

03

Python分布式任务队列Celery，Django中如何实现异步任务和定时任务

个人的某Django项目需要实现在后台发送邮件，发送邮件时间比较长，需要在后台做大量的数据运算，包括去做深度学习生成报告，以及做大量数据的处理。由于Python中GIL全局锁的限制，单是使用多线程threading，无法充分利用CPU，这里需要一个工具实现异步方式来进行分配管理任务。

02

Django如何与ajax通信

注意：这里需要注意的是button的type不能写submit，因为写了submit就直接使用get请求/query/了，而没有执行ajax请求。

02

22. Celery 4.x 动态添加定时任务

为了能够在Web端口动态添加定时任务的需求，本次来调研一下Celery 4.x 在Django框架下该如何动态添加定时任务。

02

Celery 4.x 动态添加定时任务

为了能够在Web端口动态添加定时任务的需求，本次来调研一下Celery 4.x 在Django框架下该如何动态添加定时任务。

01

Django + djcelery + redis 执行异步任务

pip install redis==2.10.6（解决启动 celery 错误：AttributeError: 'str' object has no attribute 'items'，详情）

02

Django + celery + beat 执行定时任务

/root/.virtualenvs/blog/bin/celery multi start w1 -A joyoo -l info --logfile=./celerylog.log

02

分布式任务管理系统 Celery 之一

开发自动化管理平台的过程中，有执行时间较长的任务比如安装基础软件，备份恢复;有定时执行的任务比如定期收集元数据，检查慢日志数量等等，我们可以自己开发一套任务系统，当然也可以依赖Celery 实现上述功能。

02

开发环境下，如何通过一个命令让 fastapi 和 celery 一起工作

FastAPI 是 Python Web 领域非常受欢迎的框架，目前 GitHub 上有 39.1k 的 star，已经远超过了 Django rest framework（22.3k star）。而 Celey 又是异步任务最流行的框架，常用于数据挖掘和机器学习等计算密集型任务的场景中。如果需要通过 API 来异步调用任务，那这两个框架可以放在一起工作。本文来分享一下如何让 FastAPI 和 Celery 更好的相互配合，开发环境下如何通过一个命令就可以让两者一起工作。

03

4. Django 2.1.7 Celery 4.3.0 在项目中使用Celery

上一篇在讲解Celery的配置中，提到将Celery的配置抽出到一个独立的文件进行管理，如下：

01

Django 2.1.7 Celery 4.3.0 在项目中使用Celery

上一篇在讲解Celery的配置中，提到将Celery的配置抽出到一个独立的文件进行管理，如下：

04

Django-guardian实现对象级别的权限控制

django-guardian是为Django提供额外的基于对象权限的身份验证后端。

03

Django配置Celery执行异步任务和定时任务

celery是一个基于python开发的简单、灵活且可靠的分布式任务队列框架，支持使用任务队列的方式在分布式的机器/进程/线程上执行任务调度。采用典型的生产者-消费者模型，主要由三部分组成：

02

RabbitMQ中文系列教程三

在第一个教程中，我们编写程序以从命名队列发送和接收消息。在此我们将创建一个将用于分发的工作队列多个工作人员之间的耗时任务。

02

[源码解析] 并行分布式任务队列 Celery 之负载均衡

Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统，专注于实时处理的异步任务队列，同时也支持任务调度。本文介绍 Celery 的负载均衡机制。

02

Spark系列——作业原理详解

本篇文章主要是从作业提交到最后获取到作业结果,从源码的角度，但是不涉及源码进行的分析.其目的是读完本篇文章，你将对作业的基本流程有个清晰的认识。

02

Django使用Celery实现异步和定时任务功能

我在使用celery之前也是看了一些相关教程的，很多Django使用celery的教程会让安装django-celery这个库，但是我对比了一些指导后觉得没必要，具体需要安装的依赖以我这篇文章为参考即可。

02

分布式异步任务队列神器之-Celery

最近研究了下异步任务神器-Celery，发现非常好用，可以说是高可用，假如你发出一个任务执行命令给 Celery，只要 Celery 的执行单元 (worker) 在运行，那么它一定会执行；如果执行单元 (worker) 出现故障，如断电，断网情况下，只要执行单元 (worker) 恢复运行，那么它会继续执行你已经发出的命令。这一点有很强的实用价值：假如有交易系统接到了大量交易请求，主机却挂了，但前端用户仍可以继续发交易请求，发送交易请求后，用户无需等待。待主机恢复后，已发出的交易请求可以继续执行，只不过用户收到交易确认的时间延长而已，但并不影响用户体验。

01

python测试开发django-159.Celery 异步与 RabbitMQ 环境搭建

Celery是一个Python任务队列系统，用于处理跨线程或网络节点的工作任务分配。它使异步任务管理变得容易。您的应用程序只需要将消息推送到像RabbitMQ这样的代理，Celery worker会弹出它们并安排任务执行。

03

带你认识 flask 后台作业

任务进程为后台作业提供了一个便捷的解决方案。Worker过程独立于应用程序运行，甚至可以位于不同的系统上。应用程序和worker之间的通信是通过消息完成的。通过与物理相互作用来监视其进度。下图展示了一个典型的实现：

01

Celery在Django中的简单应用

Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统，专注于实时处理的异步任务队列。同时也支持任务调度。需要注意的是，celery并不支持Windows，所以Windows相关的问题很可能在官方无法得到回应。

01

Install Jumpserver46

celery beat v4.1.0 (latentcall) is starting. 2018-07-23 01:52:33 [signals_handler DEBUG] Receive django ready signal 2018-07-23 01:52:33 [signals_handler DEBUG] - fresh all settings 2018-07-23 01:52:33 [signals_handler DEBUG] Receive django ready signal 2018-07-23 01:52:33 [signals_handler DEBUG] - fresh all settings 2018-07-23 01:52:35 [signals_handler DEBUG] Receive django ready signal 2018-07-23 01:52:35 [signals_handler DEBUG] - fresh all settings 2018-07-23 01:52:35 [signals_handler DEBUG] Receive django ready signal 2018-07-23 01:52:35 [signals_handler DEBUG] - fresh all settings /opt/py3/lib/python3.6/site-packages/celery/platforms.py:795: RuntimeWarning: You're running the worker with superuser privileges: this is absolutely not recommended! Please specify a different userusing the -u option. User information: uid=0 euid=0 gid=0 egid=0 uid=uid, euid=euid, gid=gid, egid=egid, __ - ... __ - _ LocalTime -> 2018-07-2301:52:36 Configuration -> . broker -> redis://127.0.0.1:6379/3 . loader -> celery.loaders.app.AppLoader . scheduler -> django_celery_beat.schedulers.DatabaseScheduler . logfile -> [stderr]@%DEBUG . maxinterval -> 1.00minute (60.0s) Setting default socket timeout to30 beat: Starting... DatabaseScheduler: initial read Writing entries... DatabaseScheduler: Fetching database schedule Current schedule: <ModelEntry: terminal.tasks.delete_terminal_status_period terminal.tasks.delete_terminal_status_period(*[], **{}) <freq: 1.00hour>> <ModelEntry: terminal.tasks.clean_orphan_session terminal.tasks.clean_orphan_session(*[], **{}) <freq: 1.00hour>> beat: Ticking withmaxinterval->1.00minute beat: Waking up in1.00minute. | Worker: Preparing bootsteps. | Worker: Building graph... | Worker: New boot order: {Beat, StateDB, Timer, Hub, Pool, Autoscaler, Consumer} | Consumer: Preparing bootsteps. | Consumer: Building graph... | Consumer: New boot order: {Connection, Agent, Events, Mingle, Tasks, Control, Gossip, Heart, event loop} -------------- celery@h165 v4.1

01

django 1.8 官方文档翻译：14-5 信号

Django包含一个“信号的分发器”，允许解耦的应用在信号出现在框架的任何地方时，都能获得通知。简单来说，信号允许指定的发送器通知一系列的接收器，一些操作已经发生了。当一些代码会相同事件感兴趣时，会十分有帮助。

01

python测试开发django-157.celery异步与redis环境搭建

Celery 是一个分布式队列的管理工具, 可以用 Celery 提供的接口快速实现并管理一个分布式的任务队列. 使用于生产环境的消息代理有 RabbitMQ 和 Redis,还可以使用数据库，本篇介绍redis使用

03

python—Celery异步分布式

Celery 是一个python开发的异步分布式任务调度模块，是一个消息传输的中间件，可以理解为一个邮箱，每当应用程序调用celery的异步任务时，会向broker传递消息，然后celery的worker从中取消息

02

celery 报错：Received unregistered task of type 'apps.share.tasks.post_to_beiqia'.

本机有多个 django 项目，另外个项目也是用过 celery，“apps.share.tasks.post_to_beiqia”是另一个 django 项目的 task，所以说是 celery 找到了另外个项目的任务了，为什么能找到，猜想是中间人是同一个（同 redis 同库），那么为什么之前任务还在呢，redis 持久化造成的，所以解决方案有如下：

02

Django中Celery的实现介绍（一）

Celery是基于Python开发的一个分布式任务队列框架，支持使用任务队列的方式在分布的机器/进程/线程上执行任务调度。

02

Linux ：忘记使用nohup该如何补救

当用户注销（logout）或者网络断开时，终端会收到 HUP（hangup）信号从而关闭其所有子进程。

03

学习笔记 TF061 : 分布式 TensorFlow，分布式原理、最佳实践

文章主要介绍了如何利用深度学习对图像进行特征提取和分类。首先介绍了传统特征提取方法和深度学习特征提取方法的区别，然后详细介绍了卷积神经网络（CNN）的组成和原理，以及如何使用CNN进行图像分类。最后，介绍了一种基于CNN的图像分类系统，该系统包括图像预处理、特征提取、模型训练和模型预测等模块。整个系统采用模块化设计，方便进行扩展和定制。

02

Python构建RESTful API指南

在当今的软件开发中，构建RESTful API已经成为了一种常见的做法，因为它们提供了一种简单而灵活的方式来实现客户端和服务器之间的通信。Python作为一种流行的编程语言，拥有丰富的库和框架来支持RESTful API的构建。本文将介绍使用Python构建RESTful API的最佳实践，包括选择合适的框架、设计良好的API结构以及处理常见的问题。

03

【实测】django的超轻量级消息队列：django-task-mq 使用教程

最近在培训压测平台中，因为需要使用到消息队列，考虑到很多同学的电脑windows不支持很多开源消息队列的原因，加上复杂繁重的那些中间件大家部署安装总是出错。所以自研了一个超轻量级的小工具：django-task-mq

01

Web | 是时候试试Django 3.1新的异步视图功能了

编写异步视图(async views)使你能够毫不费力地加速你的应用程序。随着Django 3.1最终支持异步视图，异步中间件和测试，现在是学习使用它的好时机。这篇文章探讨了如何开始使用Django 3.1提供的新异步视图。

02

Spark2.x学习笔记：11、RDD依赖关系与stage划分

本文介绍了Spark2.x中RDD依赖关系与Stage划分的相关内容。首先介绍了窄依赖和宽依赖的定义，然后阐述了Spark为何将依赖关系分为窄依赖和宽依赖。接着，介绍了窄依赖和宽依赖对DAG调度的影响。最后，讲解了Spark如何基于依赖关系划分Stage，以及Stage划分的原理。

06

Django 2.1.7 Celery 4.3.0 示例，解决Task handler raised error: ValueError('not enough values to unp...

原文地址：Django 2.1.7 Celery 4.3.0 使用示例，解决Task handler raised error: ValueError('not enough values to unp...

04

Celery ValueError: not enough values to unpack (expected 3, got 0) 的解决方法（windows）

网上检索到资料 https://github.com/celery/celery/issues/4081

02

【译】Celery文档1：First Steps with Celery——安装和配置Celery

Celery需要一个方法来发送和接受消息，这个方法被称为消息代理(message broker)。Celery支持多种消息代理，如RabbitMQ、Redis等。

01

Celery 分布式框架学习

官方文档： http://docs.celeryproject.org/en/latest/index.html

02

C++多线程通信_c++ socket 多线程

参考： https://m.imooc.com/article/289630 C++11 标准库新引入的线程库 https://www.jianshu.com/p/e5a3498ba930

01

进程ID及进程间的关系

进程相关的 ID 有多种，除了进程标识 PID 外，还包括：线程组标识 TGID，进程组标识 PGID，回话标识 SID。TGID/PGID/SID 分别是相关线程组长/进程组长/回话 leader 进程的 PID。

02

基于Appium+django+redis+mysql实现UI自动化测试平台

很久以前，半开源了一个Ui自动化测试平台，当时考虑到执行的方便呢，就拆成了服务端和pc端，服务端配置任务，pc端去请求任务下载即可执行对应的任务，然后汇总测试报告和性能测试数据。这时候一切都是基于配置化来操作的，即每次执行都要重新run，需要配置的东西太多，也不方便，近期优化呢，就着重对这里进行了优化，支持了monkey，UI遍历，Ui自动化三种不同的功能。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭