python之celery使用详解(二)

2024-05-26 02:33:04 73

本文内容纲要：

-前言

-Celery对象

-创建异步任务的方法task

-Task的一般属性

-调用异步任务

-1.app.send_task

-2.Task.delay

-3.Task.apply_async

-获取任务结果和状态

-使用celery

-小结

-参考

前言

前面我们了解了celery的基本使用后，现在对其常用的对象和方法进行分析。

Celery对象

核心的对象就是Celery了，初始化方法：

classCelery(object):
def__init__(self,main=None,loader=None,backend=None,
amqp=None,events=None,log=None,control=None,
set_as_current=True,accept_magic_kwargs=False,
tasks=None,broker=None,include=None,changes=None,
config_source=None,fixups=None,task_cls=None,
autofinalize=True,**kwargs):

#常用的需要配置的参数
main:如果作为__main__运行，则为主模块的名称。用作自动生成的任务名称的前缀
loader:当前加载器实例。
backend:任务结果url；
amqp:AMQP对象或类名，一般不管；
log:日志对象或类名；
set_as_current:将本实例设为全局当前应用
tasks:任务注册表。
broker:使用的默认代理的URL,任务队列；
include:每个worker应该导入的模块列表，以实例创建的模块的目录作为起始路径；

这些参数都是celery实例化的配置，我们也可以不写，然后使用config_from_object方法加载配置；

创建异步任务的方法task

任何被task修饰的方法都会被创建一个Task对象，变成一个可序列化并发送到远程服务器的任务；它有多种修饰方式：

使用默认的参数

@celery.task deffunction_name(): pass
指定相关参数

@celery.task(bind=True,name='name') deffunction_name(): pass

task方法参数

name:可以显式指定任务的名字；默认是模块的命名空间中本函数的名字。 serializer：指定本任务的序列化的方法； bind:一个bool值，设置是否绑定一个task的实例，如果绑定，task实例会作为参数传递到任务方法中，可以访问task实例的所有的属性，即前面反序列化中那些属性 base:定义任务的基类，可以以此来定义回调函数，默认是Task类，我们也可以定义自己的Task类 default_retry_delay：设置该任务重试的延迟时间，当任务执行失败后，会自动重试，单位是秒，默认3分钟； autoretry_for：设置在特定异常时重试任务，默认False即不重试； retry_backoff：默认False，设置重试时的延迟时间间隔策略； retry_backoff_max：设置最大延迟重试时间，默认10分钟，如果失败则不再重试； retry_jitter：默认True，即引入抖动，避免重试任务集中执行；

当bind=True时，add函数第一个参数是self，指的是task实例

@task(bind=True)#第一个参数是self，使用self.request访问相关的属性 defadd(self,x,y): try: logger.info(self.request.id) except: self.retry()#当任务失败则进行重试
自定义Task基类

importcelery

classMyTask(celery.Task): #任务失败时执行 defon_failure(self,exc,task_id,args,kwargs,einfo): print('{0!r}failed:{1!r}'.format(task_id,exc)) #任务成功时执行 defon_success(self,retval,task_id,args,kwargs): pass #任务重试时执行 defon_retry(self,exc,task_id,args,kwargs,einfo): pass

@task(base=MyTask) defadd(x,y): raiseKeyError()

#方法相关的参数 exc:失败时的错误的类型； task_id:任务的id； args:任务函数的参数； kwargs:键值对参数； einfo:失败或重试时的异常详细信息； retval:任务成功执行的返回值；

Task的一般属性

Task.name:任务名称；
Task.request：当前任务的信息；
Task.max_retries：设置重试的最大次数
Task.throws：预期错误类的可选元组，不应被视为实际错误，而是结果失败；
Task.rate_limit：设置此任务类型的速率限制
Task.time_limit：此任务的硬限时（以秒为单位）。
Task.ignore_result：不存储任务状态。默认False；
Task.store_errors_even_if_ignored：如果True，即使任务配置为忽略结果，也会存储错误。
Task.serializer：标识要使用的默认序列化方法的字符串。
Task.compression：标识要使用的默认压缩方案的字符串。默认为task_compression设置。
Task.backend：指定该任务的结果存储后端用于此任务。
Task.acks_late：如果设置True为此任务的消息将在任务执行后确认，而不是在执行任务之前（默认行为），即默认任务执行之前就会发送确认；
Task.track_started：如果True任务在工作人员执行任务时将其状态报告为“已启动”。默认是False；

调用异步任务

调用异步任务有三个方法，如下：

task.delay():这是apply_async方法的别名,但接受的参数较为简单；
task.apply_async(args=[arg1,arg2],kwargs={key:value,key:value})：可以接受复杂的参数
send_task():可以发送未被注册的异步任务，即没有被celery.task装饰的任务；

1.app.send_task

#tasks.py
fromceleryimportCelery
app=Celery()
defadd(x,y):
returnx+y

app.send_task('tasks.add',args=[3,4])#参数基本和apply_async函数一样
#但是send_task在发送的时候是不会检查tasks.add函数是否存在的，即使为空也会发送成功，所以celery执行是可能找不到该函数报错；

2.Task.delay

delay方法是apply_async方法的简化版，不支持执行选项，只能传递任务的参数。

@app.task
defadd(x,y,z=0):
returnx+y

add.delay(30,40,z=5)#包括位置参数和关键字参数

3.Task.apply_async

apply_async支持执行选项，它会覆盖全局的默认参数和定义该任务时指定的执行选项，本质上还是调用了send_task方法；

add.apply_async(args=[30,40],kwargs={'z':5})

#其他参数
task_id:为任务分配唯一id，默认是uuid;
countdown:设置该任务等待一段时间再执行，单位为s；
eta:定义任务的开始时间；eta=time.time()+10;
expires:设置任务时间，任务在过期时间后还没有执行则被丢弃；
retry:如果任务失败后,是否重试;使用true或false，默认为true
shadow：重新指定任务的名字str，覆盖其在日志中使用的任务名称；
retry_policy:{},重试策略.如下：
max_retries:最大重试次数,默认为3次.
interval_start:重试等待的时间间隔秒数,默认为0,表示直接重试不等待.
interval_step:每次重试让重试间隔增加的秒数,可以是数字或浮点数,默认为0.2
interval_max:重试间隔最大的秒数,即通过interval_step增大到多少秒之后,就不在增加了,可以是数字或者浮点数,默认为0.2.

routing_key:自定义路由键；
queue：指定发送到哪个队列；
exchange：指定发送到哪个交换机；
priority：任务队列的优先级，0到255之间，对于rabbitmq来说0是最高优先级；
serializer：任务序列化方法；通常不设置；
compression：压缩方案，通常有zlib,bzip2
headers：为任务添加额外的消息；
link：任务成功执行后的回调方法；是一个signature对象；可以用作关联任务；
link_error:任务失败后的回调方法，是一个signature对象；

#如下
add.apply_async((2,2),retry=True,retry_policy={
'max_retries':3,
'interval_start':0,
'interval_step':0.2,
'interval_max':0.2,
})

自定义发布者,交换机,路由键,队列,优先级,序列方案和压缩方法:

task.apply_async((2,2), compression='zlib', serialize='json', queue='priority.high', routing_key='web.add', priority=0, exchange='web_exchange')

获取任务结果和状态

由于celery发送的都是去其他进程执行的任务，如果需要在客户端监控任务的状态，有如下方法：

r=task.apply_async()
r.ready()#查看任务状态，返回布尔值,任务执行完成,返回True,否则返回False.
r.wait()#会阻塞等待任务完成,返回任务执行结果，很少使用；
r.get(timeout=1)#获取任务执行结果，可以设置等待时间，如果超时但任务未完成返回None；
r.result#任务执行结果，未完成返回None；
r.state#PENDING,START,SUCCESS，任务当前的状态
r.status#PENDING,START,SUCCESS，任务当前的状态
r.successful#任务成功返回true
r.traceback#如果任务抛出了一个异常，可以获取原始的回溯信息

但是一般业务中很少用到，因为获取任务执行的结果需要阻塞，celery使用场景一般是不关心结果的。

使用celery

#seting.py
#设置配置
BROKER_URL='amqp://username:password@localhost:5672/yourvhost'
CELERY_RESULT_BACKEND='redis://localhost:6379/0'
CELERY_TASK_SERIALIZER='msgpack'
CELERY_RESULT_SERIALIZER='msgpack'
CELERY_TASK_RESULT_EXPIRES=60*60*24
CELERY_ACCEPT_CONTENT=["msgpack"]
CELERY_DEFAULT_QUEUE="default"
CELERY_QUEUES={
"default":{#这是上面指定的默认队列
"exchange":"default",
"exchange_type":"direct",
"routing_key":"default"
}
}

#app.py---初始化celery对象
fromceleryimportCelery
importseting
fromtaskimporttest_one,test_two

celery=Celery(__name__,include=["task"])#设置需要导入的模块
#引入配置文件
celery.config_from_object(seting)

if__name__=='__main__':
test_one.apply_async((2,2),
routing_key='default',
priority=0,
exchange='default')

#task.py---定义需要执行的任务
fromappimportcelery

@celery.task
deftest_one(x,y):
returnx+y

@celery.task(name="one_name")
deftest_two(x,y):
returnx*y

小结

分析了celery任务一些方法参数和相关源码，接下来我们去研究celery更复杂的用法。

参考

http://docs.celeryproject.org/en/latest/userguide/tasks.html#task-options
http://docs.jinkan.org/docs/celery/getting-started/first-steps-with-celery.html
http://www.pythondoc.com/flask-celery/first.html
https://blog.csdn.net/kk123a/article/details/74549117
https://blog.csdn.net/preyta/article/details/54288870

本文内容总结：前言，Celery对象，创建异步任务的方法task，Task的一般属性，调用异步任务，1.app.send_task，2.Task.delay，3.Task.apply_async，获取任务结果和状态，使用celery，小结，参考，

原文链接：https://www.cnblogs.com/cwp-bg/p/10575688.html