我有一个Django 2.0,Celery 4和Scrapy 1.5设置,我在django自定义命令中有一个Spider,我需要定期调用此命令,我使用Celery来调用这些命令,它们涉及到抓取一个网页并将一些结果保存到数据库中。这是我的文件:
get_data.py
class Command(BaseCommand):
help = 'Crawl for new data'
def handle(self, *args, **options):
settings = Settings()
settings.setmodule(crawler_settings)
process = CrawlerProcess(settings=settings)
args = {some needed args}
process.crawl(DataLogSpider, kwargs=args)
process.start()
celery.py
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'config.settings.local')
app = Celery('config')
app.config_from_object('django.conf:settings', namespace='CELERY')
app.autodiscover_tasks()
@app.task(bind=True)
def debug_task(self):
print('Request: {0!r}'.format(self.request))
tasks.py
@task()
def collect_data_information():
call_command('get_data')
(Django)settings.py
CELERY_BROKER_URL = 'redis://localhost:6379/0'
CELERY_BEAT_SCHEDULE = {
'task-get-logs': {
'task': 'core.tasks.collect_data_information',
'schedule': crontab(minute='*/15') # every 15 minutes
},
}
为了简单起见,我删除了一些导入并减少了代码。问题是,当我运行我的芹菜任务时,我的蜘蛛只会在第一次执行时,第二次出现ReactorNotRestartable
错误。我知道问题来自Twisted反应器不止一次重启,这是不可能的。我已经查看了这些问题1,2,3以及涉及相同错误的许多其他问题,但在使用Django保存到数据库时,他们都没有考虑并发问题。
当我尝试将解决方案应用于我的问题时,我会收到django.db.utils.OperationalError: SSL error: decryption failed or bad record mac
。我也查了一下,它是由打开数据库连接的多个进程引起的,这实际上是由于他们的解决方案而产生的。
所以我的问题归结为:Is there a way to run Celery+Scrapy+Django without having problems with the Twisted reactor being opened and finished multiple times?
答案 0 :(得分:1)
我自己找到了解决方案。我必须通过芹菜设置文件添加以下内容:
app.conf.update(
worker_max_tasks_per_child=1,
broker_pool_limit=None
)
这告诉芹菜以干净的方式开始每项任务,因此每个任务都将在新流程中启动,并且ReactorNotRestartable问题不会发生。