手把手教你在Windows下设置分布式队列Celery的心跳轮询

Python进阶者

发布于 2021-03-09 10:22:06

6240

发布于 2021-03-09 10:22:06

文章被收录于专栏：Python爬虫与数据挖掘Python爬虫与数据挖掘

/1 前言/

大家好，我是吴老板。用Celery 官方的话来说，Celery 是一个非常优秀的分布式队列，可应用于分布式共享中间队列和定时任务等等。

/2 版本的差异/

Celery 有很多个版本，各版本之间的差异可谓不小，比如最新的 Celery6.0 版本在稳定性远不如 Celery4.0，所以在使用不同版本的时候，系统给到我们的反馈可能并不能如我们所愿。

/3 服务/

在 windows 下挂在 Celery 服务有时候会出现不稳定的情况(unix中暂时未发现这种情况)，比如在执行定时任务的时候，过了一段时间之后，Celery 出现了假死状态，以至于不能按照我们指定的时间点去执行任务。

这些任务只是加入到待运行队列中(堆积在 Redis 中)，只能人为重启 Celery 服务之后才能将堆积的任务释放出来运行。

这样一来，第一是定时任务在指定时间点没有正常运行，其二是在其他时间运行了这些任务，很可能会产生更新数据不及时，时间节点混乱的问题，不仅达不到业务需求，还会反受其害。

/4 设置心跳/

为了解决 Celery 在 windows 中的这种弊端，可以为 Celery 任务队列设置一个心跳时间，比如每一分钟或者每五分钟向 Redis 数据库发送一次数据以保证队列始终是活跃的状态，这样只要你的电脑不关机并保持网络畅通(如果是远程 Redis)，Celery 任务队列服务就不会出现假死状态。

/5 举个栗子/

我总是很喜欢用示例来说话，前些时间在对某平台的商家后台进行数据采集的时候，为了使用时能自动获取该网站的 cookie ，

用Pyppeteer 写了一个自动化登陆的脚本，和往常一样仍在 Celery 队列中并迅速的启动服务。

脚本是这样的(非常接近实际的伪代码，没办法，保命要紧)

# -*- coding: utf-8 -*-
from db.redisCurd import RedisQueue
import asyncio
import random
import tkinter
from pyppeteer.launcher import launch
from platLogin.config import USERNAME, PASSWORD, LOGIN_URL

class Login():
    def __init__(self, shopId):
        self.shopId = shopId
        self.RedisQueue = RedisQueue("cookie")

    def screen_size(self):
        tk = tkinter.Tk()
        width = tk.winfo_screenwidth()
        height = tk.winfo_screenheight()
        tk.quit()
        return {'width': width, 'height': height}

    async def login(self, username, password, url):
        browser = await launch(
            {
                'headless': False,
                'dumpio': True
            },
            args=['--no-sandbox', '--disable-infobars', '--user-data-dir=./userData'],
        )
        page = await browser.newPage()  # 启动新的浏览器页面

        try:
            await page.setViewport(viewport=self.screen_size())
            await page.setJavaScriptEnabled(enabled=True)  # 启用js
            await page.setUserAgent(
                'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299'
            )
            await self.page_evaluate(page)
            await page.goto(url)
            await asyncio.sleep(2)
            # 输入用户名，密码
            await page.evaluate(f'document.querySelector("#userName").value=""')
            await page.type('#userName', username, {'delay': self.input_time_random() - 50})  # delay是限制输入的时间
            await page.evaluate('document.querySelector("#passWord").value=""')
            await page.type('#passWord', password, {'delay': self.input_time_random()})
            await page.waitFor(6000)

            loginImgVcode = await page.waitForSelector('#checkCode')  
            await loginImgVcode.screenshot({'path': './loginImg.png'})
            await page.waitFor(6000)

            res = use_cjy("./loginImg.png")
            pic_str = res.get("pic_str") if res.get("err_str") == "OK" else "1234"

            await page.waitFor(6000)
            await page.type('#checkWord', pic_str, {'delay': self.input_time_random() - 50})
            await page.waitFor(6000)

            await page.click('#subMit')
            await page.waitFor(6000)
            await asyncio.sleep(2)
            await self.get_cookie(page)
            await page.waitFor(3000)
            await self.page_close(browser)
            return {'code': 200, 'msg': '登陆成功'}
        except:
            return {'code': -1, 'msg': '出错'}

        finally:
            await page.waitFor(3000)
            await self.page_close(browser)

    # 获取登录后cookie
    async def get_cookie(self, page):
        cookies_list = await page.cookies()
        cookies = ''
        for cookie in cookies_list:
            str_cookie = '{0}={1}; '
            str_cookie = str_cookie.format(cookie.get('name'), cookie.get('value'))
            cookies += str_cookie
        # 将cookie 放入 cookie 池
        self.RedisQueue.put_hash(self.shopId, cookies)
        return cookies

    async def page_evaluate(self, page):
        await page.evaluate('''() =>{ Object.defineProperties(navigator,{ webdriver:{ get: () => undefined } }) }''')
        await page.evaluate('''() =>{ window.navigator.chrome = { runtime: {},  }; }''')
        await page.evaluate(
            '''() =>{ Object.defineProperty(navigator, 'languages', { get: () => ['en-US', 'en'] }); }''')
        await page.evaluate(
            '''() =>{ Object.defineProperty(navigator, 'plugins', { get: () => [1, 2, 3, 4, 5,6], }); }''')
        await page.waitFor(3000)

    async def page_close(self, browser):
        for _page in await browser.pages():
            await _page.close()
        await browser.close()

    def input_time_random(self):
        return random.randint(100, 151)

    def run(self, username=USERNAME, password=PASSWORD, url=LOGIN_URL):
        loop = asyncio.get_event_loop()
        i_future = asyncio.ensure_future(self.login(username, password, url))
        loop.run_until_complete(i_future)
        return i_future.result()


if __name__ == '__main__':
    Z = Login(shopId="001")
    Z.run()

Celery 任务文件是这样的

# -*- coding: utf-8 -*-
from __future__ import absolute_import
import os
import sys
import time
from db.redisCurd import RedisQueue
from send_msg.weinxin import Send_msg
base_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.append(base_dir)
from logger.logger import log_v
from celery import Task
from platLogin.login import Login  # 登陆类
from celery import Celery

randomQueue = RedisQueue("cookie")

celery_app = Celery('task')
celery_app.config_from_object('celeryConfig')

S = Send_msg()

dl_dict = {
    'demo': {
        'cookie': '',
        'loginClass': 'Login',
    }
}

# todo 这是三种运行的状态
class task_status(Task):
    def on_success(self, retval, task_id, args, kwargs): 
        log_v.info('任务信息 -> id:{} , arg:{} , successful ..... Done'.format(task_id, args))

    def on_failure(self, exc, task_id, args, kwargs, einfo):  
        log_v.error('task id:{} , arg:{} , failed ! error : {}'.format(task_id, args, exc))

    def on_retry(self, exc, task_id, args, kwargs, einfo): 
        log_v.warning('task id:{} , arg:{} , retry !  info: {}'.format(task_id, args, exc))


# todo 随便找个hash key作为轮询对象, celery在win10系统可能不太稳定,有时候会有连接断开的情况
@celery_app.task(base=task_status)
def get_cookie_status(platName="demo"):
    try:
        # log_v.debug(f'[+] 轮询 {platName} 定时器启动 ..... Done')
        randomQueue.get_hash(platName).decode()
        log_v.debug(f'[+] 轮询 {platName} 成功 ..... Done')
        return "Erp 轮询成功"
    except:
        return "Erp 轮询失败"


@celery_app.task(base=task_status)
def set_plat_cookie(platName="demo", shopId=None):
    log_v.debug(f"[+] {platName} 正在登陆")
    core = eval(dl_dict[platName]['loginClass'])(shopId=shopId)
    result = core.run()
    return result

Celery 配置文件是这样的

from __future__ import absolute_import
import datetime
from kombu import Exchange, Queue
from celery.schedules import crontab
from urllib import parse

BROKER_URL = f'redis://root:{parse.quote("你的不规则密码")}@主机:6379/15'

# 导入任务，如tasks.py
CELERY_IMPORTS = ('monitor.tasks',)

# 列化任务载荷的默认的序列化方式
CELERY_TASK_SERIALIZER = 'json'

# 结果序列化方式
CELERY_RESULT_SERIALIZER = 'json'
CELERY_ACCEPT_CONTENT = ['json']

CELERY_TIMEZONE = 'Asia/Shanghai'  # 指定时区，不指定默认为 'UTC'
# CELERY_TIMEZONE='UTC'

CELERYBEAT_SCHEDULE = {
    'add-every-60-seconds': {
        'task': 'tasks.get_cookie_status',
        'schedule': datetime.timedelta(minutes=1),  # 每 1 分钟执行一次
        'args': ()  # 任务函数参数
    },
}

启动服务

celery -A tasks beat -l INFO
celery -A tasks worker -l INFO -c 2

以 2 个线程启动消费者队列服务并启用定时任务，当发现当前平台的 cookie 不可用时，我会向 Celery 发送一个信号(就是调用了前面的set_plat_cookie 这个方法)，消费者得到这个任务这个就会执行自动化脚本以获取 cookie 并储存在 Redis 中，使用时在从 Redis 中获取就能正常请求到该平台的数据。

在空闲时间，Celery中的 get_cookie_status 方法会每隔一分钟向 Redis 请求数据，这就是我们设置的 1分钟心跳。

这样不管我们的 Celery 是否是后台启动，都不会出现假死、卡死的状态，则万事大吉矣！！

/6 总结/

本文为了解决 Celery 在 windows 中的这种弊端，为 Celery 任务队列设置一个心跳时间，比如每一分钟或者每五分钟向 Redis 数据库发送一次数据以保证队列始终是活跃的状态，这样只要你的电脑不关机并保持网络畅通(如果是远程 Redis)，Celery 任务队列服务都不会出现假死、卡死的状态。

------------------- End -------------------

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2021-03-05，如有侵权请联系 cloudcommunity@tencent.com 删除

云数据库 Redis