Mario Orlandi
2020-12-12 07:35:49
在我看来，这似乎是一个完美的用例，可以解决在队列中排队并在后台对其进行处理的问题。
好处：
- 由于检索和压缩文件需要一个可变的（可能很长的）时间，应该将其与HTTP请求/响应周期分开；
- 多个作业将被序列化以在任务队列中执行。
第二个优点是特别理想的，因为你已准备好接收多个并发请求。
我还将考虑使用带有FileField的“任务” Django模型作为生成的zip文件的容器，因此Nginx将通过媒体文件夹静态有效地为其提供服务。另外一个好处是，你将直接从Django管理员用户界面监视正在发生的事情。
我在许多Django项目中都使用了类似的方法，事实证明该方法非常健壮和可管理。你可能想快速浏览一下我正在使用的以下django应用程序：https : //github.com/morlandi/django-task
总结一下：
- 用FileField编写一个“任务”模型，用作压缩结果的容器
- 收到请求后，在“任务”表中插入新记录，并在后台队列中插入新作业
- 后台工作负责收集资源并压缩它们；这是常见的Python东西
- 完成后，将结果保存在FileField中并向用户发送通知
- 用户将按照收到的网址将zip文件下载为静态文件
热门帖子
热门github
1
2
3
5
6
7
8
11
13
14
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)