На главной ветке main находится базовый шаблон проекта Django для обучения коллег работе с Django внутри Docker-контейнеров с поддержкой асинхронных задач и WebSocket.
На ветке ml_service находится форма, использующая мл-сервис, который описан в репозитории ml_сервис с использованием базового шаблона джанго с асинхронным сервером приложений, сокет-соединениями и celery-заданиями
- Проект предназначен для знакомства с современным подходом к разработке Django-приложений в изолированной среде Docker.
- Включает готовое приложение
tasksс примером выполнения фоновых задач через Celery и синхронных задач. - Поддерживает WebSocket-соединения через Django Channels для отслеживания статуса выполнения задач в реальном времени.
- Использует асинхронный сервер приложений (ASGI, Uvicorn).
- Интегрирован с Celery, RabbitMQ, Flower для управления фоновыми задачами.
- Проект легко расширяется под любые задачи.
- Django (ASGI-ready)
- Django Channels (WebSocket поддержка)
- Celery (фоновые задачи)
- RabbitMQ (брокер сообщений)
- Flower (мониторинг Celery)
- Postgres (через Docker)
- Nginx (для production)
- Готовые конфиги для dev/prod окружения
- Пример .env файла
- Пример приложения
tasksс формой и WebSocket - Генератор эмбедингов — скрипт для создания базы знаний из кодовой базы (подробнее)
- Выполнение задач через Celery с задержкой
- Мониторинг задач через Flower
- Автоматический запуск воркеров при старте контейнеров
- Отслеживание статуса выполнения задач в реальном времени
- Автоматическое обновление страницы без перезагрузки
- Использование Django Channels для WebSocket-соединений
- Форма с двумя кнопками: синхронное и асинхронное выполнение
- Страница статуса с WebSocket-обновлениями
- Модель TaskStatus для хранения состояния задач
-
Клонируйте репозиторий:
git clone <адрес-репозитория> cd django-base-docker
-
Создайте файл .env:
cp .env.example .env # или создайте вручную, см. пример ниже -
Запустите проект в режиме разработки:
docker compose -f docker-compose.yml -f docker-compose.dev.yml up --build
- Приложение будет доступно на http://localhost:8000
- Для отладки используется Debugpy и порт прослушивания 5678, подключаться к локальному хосту где запущены контейнеры
- Админка Django: http://localhost:8000/admin/
- PgAdmin (для работы с БД): http://localhost:5050
- Flower (мониторинг Celery): http://localhost:5555
- Пример приложения tasks: http://localhost:8000/tasks/
- Для отладки используется Debugpy и порт прослушивания 5678
-
Остановить проект:
docker compose down
-
Выполнить миграции или другие команды Django внутри контейнера:
docker compose exec web python manage.py migrate docker compose exec web python manage.py createsuperuser
-
Собрать статику (production):
docker compose exec web python manage.py collectstatic --noinput
# Django
DJANGO_SECRET_KEY=your_super_secret_key
DJANGO_DEBUG=True
DJANGO_ALLOWED_HOSTS=localhost,127.0.0.1,0.0.0.0
DJANGO_LANGUAGE_CODE=ru-RU
DJANGO_TIME_ZONE=Europe/Moscow
# Postgres
POSTGRES_DB=django_db
POSTGRES_USER=django_user
POSTGRES_PASSWORD=django_password
POSTGRES_HOST=db
POSTGRES_PORT=5432
# RabbitMQ
RABBITMQ_DEFAULT_USER=guest
RABBITMQ_DEFAULT_PASS=guest
# Celery
CELERY_BROKER_URL=amqp://guest:guest@rabbitmq:5672//
CELERY_RESULT_BACKEND=rpc://
# PgAdmin
PGADMIN_DEFAULT_EMAIL=admin@admin.com
PGADMIN_DEFAULT_PASSWORD=admin
# Flower для продуктивной среды
FLOWER_BASIC_AUTH=login:password
# Учетка, чтобы узнать свой id, введи команду id
# Это чтобы ты мог редактировать файлы, которые в общем volume создают твои контейнеры
UID=1000
GID=1000
# Также опционально для скрипта создания базы знаний для LLM
OPENAI_API_KEY=<КЛЮЧ ДЛЯ АПИ OPENAI>Проект включает универсальный скрипт для создания эмбедингов из кодовой базы с поддержкой:
- Парсинга Python файлов (методы, функции)
- Обработки документации (.md, .yml, .conf)
- Умного обновления (только изменённые файлы)
- Игнорирования по .gitignore
- Интеграции с OpenAI API
Подробная документация: EMBEDDINGS_GENERATOR.md
Быстрый старт:
# Установите зависимости
pip install -r requirements-emb.txt
# Создайте .env с OPENAI_API_KEY
echo "OPENAI_API_KEY=your_key_here" > .env
# Запустите генерацию эмбедингов
python generate_embeddings.py- Перейдите на http://localhost:8000/tasks/
- Нажмите "Выполнить синхронно" — задача выполнится сразу с задержкой 5 секунд
- Нажмите "Выполнить через Celery" — задача отправится в фоновую очередь и выполнится асинхронно
- На странице статуса увидите обновления в реальном времени через WebSocket
- Откройте http://localhost:5555
- Просматривайте активные воркеры, задачи и их статусы
- Отслеживайте производительность Celery
- Запуск в режиме разработки:
docker compose -f docker-compose.yml -f docker-compose.dev.yml up --build
- Запуск в production:
docker compose -f docker-compose.yml -f docker-compose.prod.yml up --build
- Остановка:
docker compose down
- Миграции:
docker compose exec web python manage.py migrate - Создание суперпользователя:
docker compose exec web python manage.py createsuperuser - Сборка статики:
docker compose exec web python manage.py collectstatic --noinput - Просмотр логов:
docker compose logs -f web docker compose logs -f celery
- Запуск воркера Celery вручную (если нужно):
docker compose exec web celery -A django_base worker --loglevel=info
- web — Django приложение с ASGI сервером
- celery — воркер для выполнения фоновых задач (сам контейнер создан с целью выполнить команду запуска воркера и вывода логов)
- rabbitmq — брокер сообщений для Celery
- flower — веб-интерфейс для мониторинга Celery
- db — PostgreSQL база данных
- pgadmin — веб-интерфейс для управления БД
- nginx — веб-сервер (только в production)
- Django Channels — для WebSocket поддержки
- Celery — для фоновых задач
- RabbitMQ — как брокер сообщений
- InMemoryChannelLayer — для WebSocket (в одном контейнере)
- Bootstrap — для UI (через CDN)
Проект готов к использованию и расширению!
Если возникнут вопросы — смело обращайтесь!