django 模型对象实例是否应该传递给 celery？

Question

# models.py
from django.db import models

class Person(models.Model):
    first_name = models.CharField(max_length=30)
    last_name = models.CharField(max_length=30)
    text_blob = models.CharField(max_length=50000)

# tasks.py
import celery
@celery.task
def my_task(person):
    # example operation: does something to person 
    # needs only a few of the attributes of person
    # and not the entire bulky record
    person.first_name = person.first_name.title()
    person.last_name = person.last_name.title()
    person.save()

在我的应用程序中，我有类似的东西：

from models import Person
from tasks import my_task
import celery
g = celery.group([my_task.s(p) for p in Person.objects.all()])
g.apply_async()

• 芹菜泡菜 p 送给工人吧？
• 如果工作人员在多台机器上运行，整个 person 对象（连同主要不需要的庞大的 text_blob）是否会通过网络传输？有没有办法避免？

• 如何高效、均匀地将 Person 记录分配给在多台机器上运行的工作人员？

• 这是一个更好的主意吗？如果 Person 有几百万条记录，它不会压倒数据库吗？

  # tasks.py
  
  import celery
  from models import Person
  @celery.task
  def my_task(person_pk):
      # example operation that does not need text_blob
      person = Person.objects.get(pk=person_pk)
      person.first_name = person.first_name.title()
      person.last_name = person.last_name.title()
      person.save()
  
  
  #In my application somewhere
  from models import Person
  from tasks import my_task
  import celery
  g = celery.group([my_task.s(p.pk) for p in Person.objects.all()])
  g.apply_async()
  

Answer 1

我相信传递 PK 比传递整个模型对象更好更安全。由于 PK 只是一个数字，因此序列化也简单得多。最重要的是，您可以使用更安全的 sarializer（json/yaml 而不是 pickle），并且可以放心，序列化模型不会有任何问题。

正如this 文章所说：

由于 Celery 是一个分布式系统，你无法知道任务将在哪个进程中运行，甚至在哪台机器上运行。所以你不应该将 Django 模型对象作为参数传递给任务，从数据库中重新获取对象几乎总是更好，因为这可能涉及竞争条件。

Answer 2

是的。如果数据库中有数百万条记录，那么这可能不是最好的方法，但是由于您必须遍历所有数百万条记录，那么无论您做什么，您的数据库都会受到相当大的打击很难。

这里有一些替代品，我称之为“更好”，只是不同。

1. 为您的 Person 类实现一个 pre_save 信号处理程序，该处理程序执行 .title() 工作。这样，您的 first_name/last_names 将始终正确存储在数据库中，您不必再这样做了。
2. 使用采用某种分页参数的管理命令...也许使用姓氏的第一个字母来分割人员。因此，运行./manage.py my_task a 将更新姓氏以“a”开头的所有记录。显然，您必须运行几次才能通过整个数据库
3. 也许你可以用一些有创意的 sql 来做到这一点。我什至不打算在这里尝试，但可能值得研究。

请记住，.save() 对数据库的“打击”会比实际选择数百万条记录更难。