Heroku celery 后台任务答案

【问题标题】：Heroku celery background taskHeroku celery 后台任务
【发布时间】：2013-03-19 09:27:14
【问题描述】：

我们有一个在 Heroku 上使用 django-celery 运行的简单任务。比如：

@task
Simple_task():
    for line in csv.reader(origin):
        process_line(line)

process_line(line):
    fields = parse_line(line)
    reg = Model1() # Django model
    reg.field1 = fields[0]
    reg.field2 = fields[1]
    reg.field3 = fields[2]
    reg.save()

origin 是一个 csv 文件。当文件很大（超过 50.000 行）时，任务会占用所有内存，导致 R14 错误，直到被系统取消（在 512 MB 可用内存的 150% 处）。内存永远不会释放，我们必须手动重新启动任务。

在 Linux 机器上运行或在开发机器上与工头一起运行，它可以毫无问题地完成（全部 170.000 行）。它似乎只在 Heroku 上泄漏内存。顺便说一句，我们使用 DEBUG=False 运行。

Heroku 执行 celery 任务是否有问题？有什么我们可以缺少的吗？这已成为在 Heroku 上部署的障碍。

任何帮助将不胜感激。

【问题讨论】：

只是一个一般性的调试建议：我猜这与 Django 和 Celery 都无关。为了证明这一点，我将创建一个最小的 Heroku 应用程序（没有 Django，只是一个简单的“main”）来执行此操作，并尝试运行它。如果失败，请先查看您的 requirements.txt，然后再添加调试打印。如果成功，开始逐渐添加其余的东西，直到你弄明白为止。祝你好运！
您确定它没有在本地使用大量内存而您只是没有注意到吗？

标签： django heroku django-celery

【解决方案1】：

DEBUG is set to True 时 Django 会泄漏内存，因为它会保存已执行的每个 SQL 语句的副本。

您可以使用与您的主机具有相同规格的虚拟机进行本地测试。或者使用ulimit 来限制进程内存。这样您就可以在本地检查您的代码是否仅适用于 512MB 的 RAM。

【讨论】：

【解决方案2】：

我同意 JoshB 的观点，在你的情况下它似乎需要超过 512MB 的内存。

如果你创建任务process_line 并创建队列而不是任务来处理整个文件会怎样。在这种情况下，您在 Heroku 上的内存不会超载。
另一个可能的解决方案是 Heroku 的新服务，您可以在测功机上使用 1GB RAM。 链接： 2x dynos beta

【讨论】：