Go 异步任务队列 Go Machinery

码农软件 · 软件分类 · 并发/并行处理框架 · 2019-09-02 18:13:18

软件介绍

Machinery 是一个 Go 语言的异步任务队列和作业队列,基于分布式消息传递。类似 Python 的 Celery 框架。

Machinery 中的任务(或者作业)可通过多个 worker 在很多服务器上并发的执行,或者可在单个服务器上利用 Go 的协程运行多个 worker 进程。

Example worker receives tasks

任务的定义:

type AddTask struct{}

func (t AddTask) Run(args []interface{}) (interface{}, error) {
    parsedArgs, err := machinery.ParseNumberArgs(args)
    if err != nil {
        return nil, err
    }

    add := func(args []float64) float64 {
        sum := 0.0
        for _, arg := range args {
            sum += arg
        }
        return sum
    }

    return add(parsedArgs), nil
}

type MultiplyTask struct{}

func (t MultiplyTask) Run(args []interface{}) (interface{}, error) {
    parsedArgs, err := machinery.ParseNumberArgs(args)
    if err != nil {
        return nil, err
    }

    multiply := func(args []float64) float64 {
        sum := 1.0
        for _, arg := range args {
            sum *= arg
        }
        return sum
    }

    return multiply(parsedArgs), nil
}

// ... more tasks

任务注册:

tasks := map[string]machinery.Task{
    "add":      AddTask{},
    "multiply": MultiplyTask{},
}
app.RegisterTasks(tasks)


本文地址:https://codercto.com/soft/d/13733.html

机器学习实战:基于Scikit-Learn和TensorFlow

机器学习实战:基于Scikit-Learn和TensorFlow

Aurélien Géron / 王静源、贾玮、边蕤、邱俊涛 / 机械工业出版社 / 2018-8 / 119.00

本书主要分为两个部分。第一部分为第1章到第8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。一起来看看 《机器学习实战:基于Scikit-Learn和TensorFlow》 这本书的介绍吧!

SHA 加密
SHA 加密

SHA 加密工具

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具