欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

分布式任务队列Celery入门与进阶

程序员文章站 2022-06-22 11:26:02
一、简介 Celery是由Python开发、简单、灵活、可靠的分布式任务队列,其本质是生产者消费者模型,生产者发送任务到消息队列,消费者负责处理任务。Celery侧重于实时操作,但对调度支持也很好,其每天可以处理数以百万计的任务。特点: 简单:熟悉celery的工作流程后,配置使用简单 高可用:当任 ......

一、简介

  celery是由python开发、简单、灵活、可靠的分布式任务队列,其本质是生产者消费者模型,生产者发送任务到消息队列,消费者负责处理任务。celery侧重于实时操作,但对调度支持也很好,其每天可以处理数以百万计的任务。特点:

  • 简单:熟悉celery的工作流程后,配置使用简单
  • 高可用:当任务执行失败或执行过程中发生连接中断,celery会自动尝试重新执行任务
  • 快速:一个单进程的celery每分钟可处理上百万个任务
  • 灵活:几乎celery的各个组件都可以被扩展及自定制

应用场景举例:

  1.web应用:当用户在网站进行某个操作需要很长时间完成时,我们可以将这种操作交给celery执行,直接返回给用户,等到celery执行完成以后通知用户,大大提好网站的并发以及用户的体验感。

  2.任务场景:比如在运维场景下需要批量在几百台机器执行某些命令或者任务,此时celery可以轻松搞定。

  3.定时任务:向定时导数据报表、定时发送通知类似场景,虽然linux的计划任务可以帮我实现,但是非常不利于管理,而celery可以提供管理接口和丰富的api。

二、架构&工作原理

  celery由以下三部分构成:消息中间件(broker)、任务执行单元worker、结果存储(backend),如下图:

  分布式任务队列Celery入门与进阶

工作原理:

  1. 任务模块task包含异步任务和定时任务。其中,异步任务通常在业务逻辑中被触发并发往消息队列,而定时任务由celery beat进程周期性地将任务发往消息队列;
  2. 任务执行单元worker实时监视消息队列获取队列中的任务执行;
  3. woker执行完任务后将结果保存在backend中;

消息中间件broker

  消息中间件broker官方提供了很多备选方案,支持rabbitmq、redis、amazon sqs、mongodb、memcached 等,官方推荐rabbitmq。

任务执行单元worker

  worker是任务执行单元,负责从消息队列中取出任务执行,它可以启动一个或者多个,也可以启动在不同的机器节点,这就是其实现分布式的核心。

结果存储backend

  backend结果存储官方也提供了诸多的存储方式支持:rabbitmq、 redis、memcached,sqlalchemy, django orm、apache cassandra、elasticsearch。

三、安装使用 

  这里我使用的redis作为消息中间件,redis安装可以参考https://www.cnblogs.com/wdliu/p/9360286.html。

celery安装: 

pip3 install celery

简单使用

  目录结构:

project/
├── __init__.py  
├── config.py
└── tasks.py

各目录文件说明:

__init__.py:初始化celery以及加载配置文件

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd
from celery import celery
app = celery('project')                                # 创建 celery 实例
app.config_from_object('project.config')               # 加载配置模块

config.py:  celery相关配置文件,更多配置参考:http://docs.celeryproject.org/en/latest/userguide/configuration.html

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd

broker_url = 'redis://10.1.210.69:6379/0' # broker配置,使用redis作为消息中间件

celery_result_backend = 'redis://10.1.210.69:6379/0' # backend配置,这里使用redis

celery_result_serializer = 'json' # 结果序列化方案

celery_task_result_expires = 60 * 60 * 24 # 任务过期时间

celery_timezone='asia/shanghai'   # 时区配置

celery_imports = (     # 指定导入的任务模块,可以指定多个
    'project.tasks',
)

tasks.py :任务定义文件

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd

from project import app
@app.task
def show_name(name):
    return name

启动worker:

celery worker -a project -l debug

各个参数含义:

  worker: 代表第启动的角色是work当然还有beat等其他角色;

  -a :项目路径,这里我的目录是project

  -l:启动的日志级别,更多参数使用celery --help查看

查看日志输出,会发现我们定义的任务,以及相关配置:

分布式任务队列Celery入门与进阶

 

  虽然启动了worker,但是我们还需要通过delay或apply_async来将任务添加到worker中,这里我们通过交互式方法添加任务,并返回asyncresult对象,通过asyncresult对象获取结果:

分布式任务队列Celery入门与进阶

asyncresult除了get方法用于常用获取结果方法外还提以下常用方法或属性:

  • state: 返回任务状态;
  • task_id: 返回任务id;
  • result: 返回任务结果,同get()方法;
  • ready(): 判断任务是否以及有结果,有结果为true,否则false;
  • info(): 获取任务信息,默认为结果;
  • wait(t): 等待t秒后获取结果,若任务执行完毕,则不等待直接获取结果,若任务在执行中,则wait期间一直阻塞,直到超时报错;
  • successfu(): 判断任务是否成功,成功为true,否则为false;

四、进阶使用

  对于普通的任务来说可能满足不了我们的任务需求,所以还需要了解一些进阶用法,celery提供了诸多调度方式,例如任务编排、根据任务状态执行不同的操作、重试机制等,以下会对常用高阶用法进行讲述。

定时任务&计划任务

  celery的提供的定时任务主要靠schedules来完成,通过beat组件周期性将任务发送给woker执行。在示例中,新建文件period_task.py,并添加任务到配置文件中:

period_task.py:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd
from project import app
from celery.schedules import crontab

@app.on_after_configure.connect
def setup_periodic_tasks(sender, **kwargs):
    sender.add_periodic_task(10.0, add.s(1,3), name='1+3=') # 每10秒执行add
    sender.add_periodic_task(
        crontab(hour=16, minute=56, day_of_week=1),      #每周一下午四点五十六执行sayhai
        sayhi.s('wd'),name='say_hi'
    )



@app.task
def add(x,y):
    print(x+y)
    return x+y


@app.task
def sayhi(name):
    return 'hello %s' % name

config.py

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd

broker_url = 'redis://10.1.210.69:6379/0' # broker配置,使用redis作为消息中间件

celery_result_backend = 'redis://10.1.210.69:6379/0' # backend配置,这里使用redis

celery_result_serializer = 'json' # 结果序列化方案

celery_task_result_expires = 60 * 60 * 24 # 任务过期时间

celery_timezone='asia/shanghai'   # 时区配置

celery_imports = (     # 指定导入的任务模块,可以指定多个
    'project.tasks',
    'project.period_task', #定时任务
)

启动worker和beat:

celery worker -a project -l debug #启动work
celery beat -a  project.period_task -l  debug #启动beat,注意此时对应的文件路径

我们可以观察worker日志:

分布式任务队列Celery入门与进阶

还可以通过配置文件方式指定定时和计划任务,此时的配置文件如下:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd

from project import app
from celery.schedules import crontab

broker_url = 'redis://10.1.210.69:6379/0' # broker配置,使用redis作为消息中间件

celery_result_backend = 'redis://10.1.210.69:6379/0' # backend配置,这里使用redis

celery_result_serializer = 'json' # 结果序列化方案

celery_task_result_expires = 60 * 60 * 24 # 任务过期时间

celery_timezone='asia/shanghai'   # 时区配置

celery_imports = (     # 指定导入的任务模块,可以指定多个
    'project.tasks',
    'project.period_task',
)

app.conf.beat_schedule = {
    'period_add_task': {    # 计划任务
        'task': 'project.period_task.add',  #任务路径
        'schedule': crontab(hour=18, minute=16, day_of_week=1),
        'args': (3, 4),
    },
'add-every-30-seconds': {          # 每10秒执行
        'task': 'project.period_task.sayhi',  #任务路径
        'schedule': 10.0,
        'args': ('wd',)
    },
}

此时的period_task.py只需要注册到woker中就行了,如下:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd
from project import app

@app.task
def add(x,y):
    print(x+y)
    return x+y


@app.task
def sayhi(name):
    return 'hello %s' % name

同样启动worker和beat结果和第一种方式一样。更多详细的内容请参考:http://docs.celeryproject.org/en/latest/userguide/periodic-tasks.html#crontab-schedules

任务绑定

  celery可通过任务绑定到实例获取到任务的上下文,这样我们可以在任务运行时候获取到任务的状态,记录相关日志等。

修改任务中的period_task.py,如下:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd
from project import app
from celery.utils.log import get_task_logger
logger = get_task_logger(__name__) @app.task(bind=true) # 绑定任务 def add(self,x,y): logger.info(self.request.__dict__) #打印日志 try: a=[] a[10]==1 except exception as e: raise self.retry(exc=e, countdown=5, max_retries=3) # 出错每5秒尝试一次,总共尝试3次 return x+y

在以上代码中,通过bind参数将任务绑定,self指任务的上下文,通过self获取任务状态,同时在任务出错时进行任务重试,我们观察日志:

分布式任务队列Celery入门与进阶

内置钩子函数

  celery在执行任务时候,提供了钩子方法用于在任务执行完成时候进行对应的操作,在task源码中提供了很多状态钩子函数如:on_success(成功后执行)、on_failure(失败时候执行)、on_retry(任务重试时候执行)、after_return(任务返回时候执行),在进行使用是我们只需要重写这些方法,完成相应的操作即可。

在以下示例中,我们继续修改period_task.py,分别定义三个任务来演示任务失败、重试、任务成功后执行的操作:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd
from project import app
from celery.utils.log import get_task_logger
from celery import task

logger = get_task_logger(__name__)

class demotask(task):

    def on_success(self, retval, task_id, args, kwargs):   # 任务成功执行
        logger.info('task id:{} , arg:{} , successful !'.format(task_id,args))



    def on_failure(self, exc, task_id, args, kwargs, einfo):  #任务失败执行
        logger.info('task id:{} , arg:{} , failed ! erros : {}' .format(task_id,args,exc))


    def on_retry(self, exc, task_id, args, kwargs, einfo):    #任务重试执行
        logger.info('task id:{} , arg:{} , retry !  einfo: {}'.format(task_id, args, exc))

@app.task(base=demotask,bind=true)
def add(self,x,y):
    try:
        a=[]
        a[10]==1
    except exception as e:
        raise self.retry(exc=e, countdown=5, max_retries=1) # 出错每5秒尝试一次,总共尝试1次
    return x+y

@app.task(base=demotask)
def sayhi(name):
    a=[]
    a[10]==1
    return 'hi {}'.format(name)

@app.task(base=demotask)
def sum(a,b):
    return 'a+b={} '.format(a+b)

此时的配置文件config.py:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd

from project import app
from celery.schedules import crontab

broker_url = 'redis://10.1.210.69:6379/0' # broker配置,使用redis作为消息中间件

celery_result_backend = 'redis://10.1.210.69:6379/0' # backend配置,这里使用redis

celery_result_serializer = 'json' # 结果序列化方案

celery_task_result_expires = 60 * 60 * 24 # 任务过期时间

celery_timezone='asia/shanghai'   # 时区配置

celery_imports = (     # 指定导入的任务模块,可以指定多个
    'project.tasks',
    'project.period_task',
)

app.conf.beat_schedule = {
'add': {          # 每10秒执行
        'task': 'project.period_task.add',  #任务路径
        'schedule': 10.0,
        'args': (10,12),
    },
'sayhi': {          # 每10秒执行
        'task': 'project.period_task.sayhi',  #任务路径
        'schedule': 10.0,
        'args': ('wd',),
    },
'sum': {          # 每10秒执行
        'task': 'project.period_task.sum',  #任务路径
        'schedule': 10.0,
        'args': (1,3),
    },
}

然后重启worker和beat,查看日志:

分布式任务队列Celery入门与进阶

 

任务编排

  在很多情况下,一个任务需要由多个子任务或者一个任务需要很多步骤才能完成,celery同样也能实现这样的任务,完成这类型的任务通过以下模块完成:

  • group: 并行调度任务

  • chain: 链式任务调度

  • chord: 类似group,但分header和body2个部分,header可以是一个group任务,执行完成后调用body的任务

  • map: 映射调度,通过输入多个入参来多次调度同一个任务

  • starmap: 类似map,入参类似*args

  • chunks: 将任务按照一定数量进行分组

 

修改tasks.py:

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# author:wd
from project import app

@app.task
def add(x,y):
    return x+y


@app.task
def mul(x,y):
    return x*y


@app.task
def sum(data_list):
    res=0
    for i in data_list:
        res+=i
    return res

 

group: 组任务,组内每个任务并行执行

和project同级目录新建consumer.py如下:

from celery import group
from project.tasks import add,mul,sum
res = group(add.s(1,2),add.s(1,2))()  # 任务 [1+2,1+2] 
while true:
    if res.ready():
        print('res:{}'.format(res.get()))
        break

结果:

分布式任务队列Celery入门与进阶

 

chain:链式任务

链式任务中,默认上一个任务的返回结果作为参数传递给子任务

from celery import chain
from project.tasks import add,mul,sum
res = chain(add.s(1,2),add.s(3),mul.s(3))()  # 任务((1+2)+3)*3
while true:
    if res.ready():
        print('res:{}'.format(res.get()))
        break
#结果
#res:18

还可以使用|表示链式任务,上面任务也可以表示为:

res = (add.s(1,2) | add.s(3) | (mul.s(3)))()
res.get()

 

chord:任务分割,分为header和body两部分,hearder任务执行完在执行body,其中hearder返回结果作为参数传递给body

from celery import chord
from project.tasks import add,mul,sum
res = chord(header=[add.s(1,2),mul.s(3,4)],body=sum.s())()  # 任务(1+2)+(3*4)
while true:
    if res.ready():
        print('res:{}'.format(res.get()))
        break

#结果:
#res:15

 

chunks:任务分组,按照任务的个数分组

from project.tasks import add,mul,sum
res = add.chunks(zip(range(5),range(5)),4)()  # 4 代表每组的任务的个数
while true:
    if res.ready():
        print('res:{}'.format(res.get()))
        break

结果:

分布式任务队列Celery入门与进阶

 

delay &apply_async

  对于delay和apply_async都可以用来进行任务的调度,本质上是delay对apply_async进行了再一次封装(或者可以说是快捷方式),两者都返回asyncresult对象,以下是两个方法源码。

分布式任务队列Celery入门与进阶
    def delay(self, *args, **kwargs):
        """star argument version of :meth:`apply_async`.

        does not support the extra options enabled by :meth:`apply_async`.

        arguments:
            *args (any): positional arguments passed on to the task.
            **kwargs (any): keyword arguments passed on to the task.
        returns:
            celery.result.asyncresult: future promise.
        """
        return self.apply_async(args, kwargs)
delay源码
分布式任务队列Celery入门与进阶
    def apply_async(self, args=none, kwargs=none, task_id=none, producer=none,
                    link=none, link_error=none, shadow=none, **options):
        """apply tasks asynchronously by sending a message.

        arguments:
            args (tuple): the positional arguments to pass on to the task.

            kwargs (dict): the keyword arguments to pass on to the task.

            countdown (float): number of seconds into the future that the
                task should execute.  defaults to immediate execution.

            eta (~datetime.datetime): absolute time and date of when the task
                should be executed.  may not be specified if `countdown`
                is also supplied.

            expires (float, ~datetime.datetime): datetime or
                seconds in the future for the task should expire.
                the task won't be executed after the expiration time.

            shadow (str): override task name used in logs/monitoring.
                default is retrieved from :meth:`shadow_name`.

            connection (kombu.connection): re-use existing broker connection
                instead of acquiring one from the connection pool.

            retry (bool): if enabled sending of the task message will be
                retried in the event of connection loss or failure.
                default is taken from the :setting:`task_publish_retry`
                setting.  note that you need to handle the
                producer/connection manually for this to work.

            retry_policy (mapping): override the retry policy used.
                see the :setting:`task_publish_retry_policy` setting.

            queue (str, kombu.queue): the queue to route the task to.
                this must be a key present in :setting:`task_queues`, or
                :setting:`task_create_missing_queues` must be
                enabled.  see :ref:`guide-routing` for more
                information.

            exchange (str, kombu.exchange): named custom exchange to send the
                task to.  usually not used in combination with the ``queue``
                argument.

            routing_key (str): custom routing key used to route the task to a
                worker server.  if in combination with a ``queue`` argument
                only used to specify custom routing keys to topic exchanges.

            priority (int): the task priority, a number between 0 and 9.
                defaults to the :attr:`priority` attribute.

            serializer (str): serialization method to use.
                can be `pickle`, `json`, `yaml`, `msgpack` or any custom
                serialization method that's been registered
                with :mod:`kombu.serialization.registry`.
                defaults to the :attr:`serializer` attribute.

            compression (str): optional compression method
                to use.  can be one of ``zlib``, ``bzip2``,
                or any custom compression methods registered with
                :func:`kombu.compression.register`.
                defaults to the :setting:`task_compression` setting.

            link (signature): a single, or a list of tasks signatures
                to apply if the task returns successfully.

            link_error (signature): a single, or a list of task signatures
                to apply if an error occurs while executing the task.

            producer (kombu.producer): custom producer to use when publishing
                the task.

            add_to_parent (bool): if set to true (default) and the task
                is applied while executing another task, then the result
                will be appended to the parent tasks ``request.children``
                attribute.  trailing can also be disabled by default using the
                :attr:`trail` attribute

            publisher (kombu.producer): deprecated alias to ``producer``.

            headers (dict): message headers to be included in the message.

        returns:
            celery.result.asyncresult: promise of future evaluation.

        raises:
            typeerror: if not enough arguments are passed, or too many
                arguments are passed.  note that signature checks may
                be disabled by specifying ``@task(typing=false)``.
            kombu.exceptions.operationalerror: if a connection to the
               transport cannot be made, or if the connection is lost.

        note:
            also supports all keyword arguments supported by
            :meth:`kombu.producer.publish`.
        """
        if self.typing:
            try:
                check_arguments = self.__header__
            except attributeerror:  # pragma: no cover
                pass
            else:
                check_arguments(*(args or ()), **(kwargs or {}))

        app = self._get_app()
        if app.conf.task_always_eager:
            with denied_join_result():
                return self.apply(args, kwargs, task_id=task_id or uuid(),
                                  link=link, link_error=link_error, **options)

        if self.__v2_compat__:
            shadow = shadow or self.shadow_name(self(), args, kwargs, options)
        else:
            shadow = shadow or self.shadow_name(args, kwargs, options)

        preopts = self._get_exec_options()
        options = dict(preopts, **options) if options else preopts

        options.setdefault('ignore_result', self.ignore_result)

        return app.send_task(
            self.name, args, kwargs, task_id=task_id, producer=producer,
            link=link, link_error=link_error, result_cls=self.asyncresult,
            shadow=shadow, task_type=self,
            **options
        )
apply_async源码

对于其使用,apply_async支持常用参数:

  • eta:指定任务执行时间,类型为datetime时间类型;
  • countdown:倒计时,单位秒,浮点类型;
  • expires:任务过期时间,如果任务在超过过期时间还未执行则回收任务,浮点类型获取datetime类型;
  • retry:任务执行失败时候是否尝试,布尔类型。;
  • serializer:序列化方案,支持pickle、json、yaml、msgpack;
  • priority:任务优先级,有0~9优先级可设置,int类型;
  • retry_policy:任务重试机制,其中包含几个重试参数,类型是dict如下:
分布式任务队列Celery入门与进阶
max_retries:最大重试次数

interval_start:重试等待时间

interval_step:每次重试叠加时长,假设第一重试等待1s,第二次等待1+n秒

interval_max:最大等待时间

####示例
 add.apply_async((1, 3), retry=true, retry_policy={
        'max_retries': 1,
        'interval_start': 0,
        'interval_step': 0.8,
        'interval_max': 5,
    })
view code

更多参数参考:http://docs.celeryproject.org/en/latest/reference/celery.app.task.html#celery.app.task.task.apply_async

 

  

 五、管理与监控

  celery管理和监控功能是通过flower组件实现的,flower组件不仅仅提供监控功能,还提供http api可实现对woker和task的管理。

安装使用

pip3 install flower

启动

 flower -a project --port=5555   
# -a :项目目录
#--port 指定端口

访问http:ip:5555

分布式任务队列Celery入门与进阶

api使用,例如获取woker信息:

curl http://127.0.0.1:5555/api/workers

结果:

分布式任务队列Celery入门与进阶

更多api参考:https://flower.readthedocs.io/en/latest/api.html