另外 mock 的时候可以尽量对自己函数进行 mock ，如果必须对公共方法进行 mock 建议在业务代码的地方先抽象一层函数

@documentzhangx66 python 是强类型
@461da73c 如果仅仅是为了覆盖率，且是 pytest ，代码块后面加注释 # pragma: no cover 可以跳过覆盖检查，后面把单测再补上（上家公司整体覆盖率要求 80%，单个文件要求覆盖率 85%）

@celery.task(bind=True, base=AloneTask)
def call_my_task(self, sid):
print(self._sid)

@louisyoungx 提供一个 docker 镜像会不会也方便很多

https://github.com/systemime/YuQue-Assistant/blob/186a73cbcecc84b85638934b31b4badab55c0db2/yuque.py#L266

多进程协程使用

asyncio 中的 loop 不能跨线程，或许可以实现一个代理类，按当前线程 ID 返回对应 loop ，这样虽然每个线程都创建了一个 loop ，但是每个线程都共享这一个 loop ，不会频繁创建和销毁，

类似：
class A:
pool: {
Thread ID: Loop
}

@sjhhjx0122 你的博客挺好看的，有主题地址吗

@ragnaroks 是的，暂时看得使用外部工具进行分割，内部就监听一个日志就行

@ch2 了解的，看来这种情况想直接 docker logs 看实时日志不太现实

@Aliencn 已经挂载了，就是想偷个懒 docker logs 能直接看到实时日志 [/捂脸]

@defunct9 可以尝试一下

@Judoon 主要是想实现两个地方，一个是日志保存到文件，一个是 docker logs 能直接查看实时日志，我看看能不能使用别的办法分割日志吧，让监听的日志文件名不变

@rev1si0n 这点内存倒是不会爆...主要是内存较小，考虑 stmp 服务器不稳定等极端情况下，这个帖子主要目的想了解下大量重试失败任务，处理起来有没有什么需要注意的地方

发邮件最后按 celery 负载包装了几个 chunk，然后开了 celery 自动缩放让它自己玩去了

建议使用 siyuan，[https://github.com/siyuan-note/siyuan]( https://github.com/siyuan-note/siyuan)，基本上都支持吧，支持自己本地或者服务端部署，也是全平台

@defunct9 目前用的还是 django 自带的发送组件，我了解一下这个

@DeWjjj 业务是这样的，导入几千到数万条优惠券，每条优惠券都发给不同的邮箱，所以一下子任务堆积的比较多，想吸取一下各位 retry 时异常处理的经验

@linw1995 确实不如单线程+协程，应该是线程池化+上下文切换消耗的

@liuxingdeyu 可以多线程去进行网络请求，文件 IO，这里我想利用多线程去处理文件 IO，利用协程去提高性能，多进程+协程的方式面对大量文件 IO 操作性能更好，但是资源开销也更大，所以想尝试多线程+协程的最优方案

@black11black 3.1 已经出来很久了。channles 也已经支持到 asgi3.0 协议了，21 年四月份开始发布 3.2 可能包括异步 ORM，目前 github 上 django 项目已经支持异步信号了，只是还没发布，但是小型生产完全可以上了，3.2 正式运用于生产也不是啥难事，