我们曾经研究过如何让Python和Go互相调度,当时发现,将Go语言写的模块打包成动态链接库,就能在Python中进行调度:
Go的优势很明显,从1亿减到1,在我的设备上测试,用Go运行只需要50ms,Python可能需要接近100倍的时间。
但是,这种写法也有缺点:实在太麻烦了,大大增加了整个项目的耦合性。
那Python中有没有办法不通过打包成动态链接库的方法,用Python调度Go的任务呢?答案是Go celery.
https://github.com/gocelery/gocelery
我们可以用Go写一个计算密集型任务的Worker,然后用Python的Celery beat来调度这个Worker,下面给大家演示一下:
最好是将计算密集型的任务改造成Go语言版的,这样收益才能最大化。
比如这里,我使用的是上回从1亿减到1的老梗。
PS,别被下面这段代码吓到了,其实大部分是可以去掉的配置项,核心代码就几行。
输入命令:
go run main.go
即可运行该worker
每5秒调度一次1亿减到1,不过不跑Python worker. 由于Go Worker在运行,这里的minus会被Go Worker消费。
另外请注意,这里的minus函数实际上只是为了能被识别到而编写的,其内容毫无意义,直接写个pass都没问题(因为实际上是Go Worker在消费)。
编写完后,针对go_tasks模块启动beat:
celery -A go_tasks beat
此时,调度器就会调度Go Worker执行任务:
可以看到,我们成功用Python的Celery Beat调度了Go写的Worker!可喜可贺。
接下来可以看看如果单纯用Python的Worker做这样的计算是有多耗时:
启动worker:
celery worker -A python_tasks -l info --pool=eventlet
启动beat调度器:
celery -A python_tasks beat
结果如下:
可以看到,Python从1亿减到1平均需要5.2秒左右的时间,和Go版相差了100倍左右。
如果我们将调度器的频率提高到每秒计算1次,Python版的Worker,其任务队列一定会堵塞,因为Worker消费能力不够强大。相比之下,Go版的Worker可就非常给力了。
因此,如果你的项目中有这种计算密集型的任务,可以尝试将其提取成Go版本试试,说不定有惊喜呢。
全部0条评论
快来发表一下你的评论吧 !