我正在尝试使用带有RabbitMQ的Celery来分发一些线性回归任务。该设置与示例add（x，y）函数配合使用很好，但当我实例化statsmodels OLS类时，例如
self.model = sm.OLS(self.y, self.X)
工作者在消耗100%CPU的同时无限期地挂起。
发生了什么事？
默认情况下，celener使用多处理库作为并发实现。StatsModels的OLS方法调用Lapack，后者（以及Lapack/BLAS中的许多函数）启动自己的线程池以加快计算速度。不幸的是，线程在子进程分叉后不会继承，因此会创建一个僵尸。
以下是关于芹菜问题的讨论：https://github.com/celery/celery/issues/1842
但正如上一篇文章所指出的，这不是赛莱里的错。
关于OpenBLAS的问题，有一个很长的讨论：https://github.com/xianyi/OpenBLAS/issues/294
希望这在未来不会成为一个问题，因为OpenBLAS的默认构建现在是分叉安全的：http://numpy-discussion.10968.n7.nabble.com/Default-builds-of-OpenBLAS-development-branch-are-now-fork-safe-td36523.html
（自2014年2月9日起，您可能需要升级您的版本或安装最新的开发版本）。
两种解决方法：
- 使用芹菜中的线程进程池（默认为prefork）。选项为--pool=threads
- 不要使用依赖于Lapack或BLAS的函数。scipy中提供了线性回归的纯python实现：http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.linregress.html，例如