python任务队列框架_Python 分布式任务队列 Celery 入门与使用

最近工作的项目使我接触到了 Celery 这个任务队列。看了一下官方的文档，感觉设计得还挺 Pythonic，理念也非常简单易懂——类似生产者与消费者。在这里稍微总(fan)结(yi)一下 Celery 的使用方法。

简介

Celery 是一个分布式任务队列，网上也有说是分布式任务调度框架，这里我以官方文档的“Distributed Task Queue”为准。它简单、灵活、可靠，可以处理大量的大量的任务，其主要专注于实时处理，同时也支持计划任务。

为什么要用任务队列？我的理解是，首先方便了任务的分发调度与管理，另外也使调用的过程变得异步(非常适合 web 请求)。

名词解释

任务队列(task queue)：一种分发任务到不同的线程或机器的方法，其输入为一个任务(task)。

Worker：实际执行任务的进程，它不断检查任务队列中的新任务并执行。

Broker：客户端与 worker 通信的中介。客户端发送任务的消息到队列中，broker 把这条消息传递给一个 worker。

入门

如果不考虑进阶用法，5 分钟入门。

安装

首先安装 Celery 并选择 broker。其中 broker 主要支持 RabbitMQ 和 Redis。RabbitMQ 不需要额外依赖，直接pip install -U celery安装。 Redis 需要在安装 Celery 时安装附加的依赖：pip install -U "celery[redis]"

RabbitMQ 更为适合生产环境，也稍微大型；Redis 更轻量级，但突然退出时可能丢失数据。为了稍微简单轻量，本文都用 Redis。(如何安装 broker 不在此讨论，docker 启动一个最为简单)

新建 Celery 应用

新建一个mytasks.py：

from celery import Celery

app = Celery('tasks', broker='redis://localhost:6379/0')

@app.task

def add(x, y):

return x + y

接下来就可以启动 worker 了：(生产环境当然不会这样手动运行，而会把它作为后台程序运行)

$ celery -A mytasks worker --loglevel=info

# 如果不了解上面的命令用法，可查看命令帮助

# celery help

# celery worker --help

调用 task

在当前的目录，运行

>>> from mytasks import add

>>> add.delay(1, 2) # 使用 delay() 来调用这个 task

可以得到类似的返回值，而不会返回 3；这个 3 在 worker 的控制台里可以看到：Task mytasks.add[fd9cdbe3-bcb3-432a-8d46-67b41243cfed] succeeded in 0.0003419s: 3

保存结果

默认情况下，结果是不保存的。如果想保存结果，需要指定 result backend，支持 SQLAlchemy/Django ORM, MongoDB, Memcached, Redis, RPC (RabbitMQ/AMQP) 等。例如app = Celery('tasks', broker='redis://localhost:6379/0', backend='redis://localhost:6379/0')，调用之后就可以查询任务的状态及结果。

>>> result = add.delay(1, 2)

>>> result.ready()

True

>>> result.get(timeout=1)

3

参数配置

简单的参数配置可以直接修改app.conf，例如：

app.conf.task_serializer = 'json'

对于大型一点的项目，最好专门做一个配置模块。先新建一个 celeryconfig.py：

broker_url = 'pyamqp://xxxx'

result_backend = 'rpc://xxxx'

task_serializer = 'json'

timezone = 'Europe/Oslo'

enable_utc = True

task_annotations = {

'mytasks.add': {'rate_limit': '10/m'}

}

然后通过app.config_from_object('celeryconfig')导入。

稍微深入

Task

Task 有很多选项可以填入，例如@app.task(bind=True, default_retry_delay=30 * 60)。具体及其余内容见Tasks文档。

调用 task

前面用到的 delay() 方法是 apply_async() 的简化，但前者不支持传递执行的参数。举例来说，

task.delay(arg1, arg2, kwarg1='x', kwarg2='y')

# 等价于

task.apply_async(args=(arg1, arg2), kwargs={'kwarg1': 'x', 'kwarg2': 'y'})

可见简化了许多。

Countdown 参数可以设置任务至少(可能受 worker busy 或其他原因有所推迟)多少秒后执行；而 eta (estimated time of arrival) 参数可以设置任务至少(原因相同)在具体时刻之后执行：

>>> result = add.apply_async((1, 2), countdown=5) # 至少5秒后执行

>>> result.get() # 阻塞至任务完成

>>> tomorrow = datetime.utcnow() + timedelta(days=1)

>>> add.apply_async((1, 2), eta=tomorrow)

一个任务由于种种原因，延迟太久了，我们可以把它设置为过期，支持输入秒数或一个 datetime：

add.apply_async((10, 10), expires=60) # 如果任务延迟超过60s，将不会被执行

对于一个任务，还可以指定这个任务放到哪个队列中(routing)，例如

add.apply_async(queue='priority.high')

使用 -Q 来给 worker 指定监听的队列：

$ celery -A mytasks worker -l info -Q celery,priority.high

像上面这样硬编码 add 的对应 queue 不是太好，更佳的方法是使用 configuration routers。

其他调用 task 的文档，见 Calling Tasks。

函数签名(signature)

对于简单的 task 调用，使用 .delay() 或 .apply_async() 方法一般就已足够。但有时我们需要更高级的调用，例如把任务的返回值用作下一个任务的输入，如果把一系列任务写成串行，就很不推荐了。为此，可以通过函数签名来调用 tasks。

下面给 add() 函数创建一个签名(signature)：

>>> add.signature((2, 2), countdown=10)

tasks.add(2, 2)

>>> add.s(2, 2) # 简化，但不能传入task的option，例如countdown

tasks.add(2, 2)

>>> sig = add.signature((2, 2), {'debug': True}, countdown=10) # 完全版

定义了签名后，就可以用sig.delay()来调用这个任务。

签名的一个很重要的功能是它可以定义偏函数，类似 Python 的 functools.partial：

>>> partial = add.s(2) # 不完整的 signature

>>> partial.delay(1) # 1 + 2 注意这个1是填在前面的

偏函数主要的应用场合是各种的原语(Primitives)。这些 primitives 主要包括 group、chain、chord、map、starmap、chunks 等。下面介绍其中几个的用法。

group

group 可以实现任务的并行：

>>> from celery import group

>>> res = group(add.s(i, i) for i in range(10))()

>>> res.get(timeout=1)

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

chain

chain 可以按顺序执行任务，把前一个任务的结果作为接下来的任务的输入。注意偏函数的使用：

>>> from celery import chain

>>> result = chain(add.s('h', 'e'), add.s('llo'), add.s(' world'))()

>>> result.get()

'hello world'

>>> (add.s('h', 'e') | add.s('llo') | add.s(' world'))().get() # 也可以用 | 连接

后台启动

在实际环境中，celery 肯定是以后台服务的方式运行的。文档给出了 systemd、init.d、supervisor 等启动的方式。具体见 Daemonization。

定时任务

定时运行任务的功能由 celery beat 完成。它按设定的周期/时间把任务发送到队列中，并被 worker 执行。对于一个集群的 worker，celery beat 应只有一个，否则任务会重复。

把mytasks.py改成下面所示：

from celery import Celery

from celery.schedules import crontab

app = Celery('tasks', broker='redis://localhost:6379/0')

@app.task

def add(x, y):

return x + y

@app.on_after_configure.connect

def setup_periodic_tasks(sender, **kwargs):

# 每10s执行一次

sender.add_periodic_task(10.0, add.s('hello', ' world'), name='every 10s')

# 按crontab的格式定期执行

sender.add_periodic_task(

crontab(hour='*', minute=5),

add.s('it is', ' xx:05')

)

然后启动 beat：

$ celery -A mytasks beat

可以在 worker 看到每 10s 输出了一次 “hello world”。每个小时的 5 分，都会输出 “it is xx:05”

相关参考

上面只是比较基本的用法。对于更多深入使用中遇到的问题，还是应该参考官网文档。

Views:

5