小编Bol*_*oze的帖子

在Django教程中:

       {% for choice in question.choice_set.all %}

我找不到这方面的简短解释.我知道在admin.py文件中,我在选择模型上创建了一个Question模型的外键,这样每个选择都有一个问题.

我正在尝试在 django 中执行一些消耗大量时间的任务。为此，我将运行后台任务。

经过一些研发，我找到了两种解决方案：

• 芹菜与 RabbitMQ。

• Django 后台任务。

这两个选项似乎都满足标准，但设置 Celery 需要一些工作。现在就第二个选项而言，设置相当简单，而且在相当短的时间内，我可以继续编写后台任务。现在我的问题是，如果我采用第二个选项：

1. Django 后台任务的执行情况如何？（生产环境中的可扩展性明智）。
2. 我可以轮询数据库中的任务（一段时间后）以检查任务的状态吗？
3. Django-Background-tasks 的架构？找不到关于它的架构的任何明确解释（或者我错过了一些资源？）
4. 再次回到第一点，Django 后台任务在生产中的表现如何。（谈论在产品中使用它的先前经验。）

我有四个问题。假设在 Spark 中我有 3 个工作节点。每个工作节点有 3 个执行器，每个执行器有 3 个核心。每个执行器有 5 GB 内存。（总共 6 个执行器、27 个核心和 15GB 内存）。如果出现以下情况会发生什么：

• 我有 30 个数据分区。每个分区的大小为 6 GB。最佳情况下，分区数量必须等于核心数量，因为每个核心执行一个分区/任务（每个分区一个任务）。现在在这种情况下，由于分区大小大于可用执行器内存，每个执行器核心将如何处理分区？注意：我没有调用cache()或persist()，只是我在rdd上应用了一些狭窄的转换，例如map()和filter()。

• Spark 会自动尝试将分区存储在磁盘上吗？（我没有调用cache()或persist()，而只是在调用操作后发生转换）

• 由于我的分区 (30) 大于可用核心数 (27)，因此我的集群最多可以处理 27 个分区，那么剩余 3 个分区会发生什么情况？他们会等待被占用的核心被释放吗？

• 如果我调用 persist() ，其存储级别设置为 MEMORY_AND_DISK，那么如果分区大小大于内存，它会将数据溢出到磁盘吗？这些数据将存储在哪个磁盘上？工作节点的外部硬盘？

我有一个对象保存在 db 中，时间范围为(t1): 11:45-00:15。现在我有另一个时间范围从 request : (t2) 00:05-00:10。查找此新时间范围是否t2与具有时间范围的已保存对象重叠的最佳方法是什么t1。这就是午夜的情况，那是一天发生变化的地方。同一天，我成功地找到了重叠的时间范围。我没有datetime领域，而我只有time领域，因此我必须利用我已经拥有的东西。

在模型中 t1 将存储为：

start_time = TimeField(null=True, blank=True, db_index=True)
end_time = TimeField(null=True, blank=True, db_index=True)

所以 11:45 将存储在start_time00:15 将存储在end_time